PM2.5浓度预测模型的应用

空气中PM2.5浓度问题越来越受到各界的关注。根据PM2.5浓度数据的特征,首先选择ARIMA预测模型进行浓度预测;考虑到BP神经网络易陷入局部最小,而遗传算法具有全局搜索的能力,给出了遗传算法优化的BP神经网络预测模型;为了进一步提高预测精度,引入IOWGA算子,将ARIMA预测模型与遗传算法优化的BP神经网络预测模型相组合,给出了基于IOWGA算子的组合预测模型;最后经过实例仿真分析验证了模型的可行性和有效性,为PM2.5浓度预测提供基础资料。     

基于Pearson相关指标的BP神经网络PM2.5预测模型

为了降低PM2.5设备预测成本,同时分析大气因素与污染物的相关性,选取O3、CO、PM10、SO2、NO2污染物指标预测PM2.5,之后加入温度、湿度、风力等大气指标,建立综合气象的指标体系,采用pearson算法对指标进行合并,用pearson相关指标的BP神经网络的方法再次对PM2.5做预测。对比实验证明,基于pearson相关指标的BP神经网络PM2.5预测模型在提高了预测准确率的同时降低了预测的时间复杂度,起到了降低PM2.5预测成本的目的。     

基于滑动窗口和LSTM的PM2.5浓度预测模型

随着环境空气质量日趋重要,PM2.5浓度也逐渐受到重视.以北亡市某空气质量监测站2010.1.1～2014.12.31的PM2.5浓度的小时数据以及对应的气象数据作为样本进行实验.首先对数据进行预处理,考虑到PM2.5前后关联性很强这一特点,将数据进行基二时间的滑动窗口处理以利用数据的时序性,然后对各气象因子进行皮尔逊相关分析,构建了5层长短期记忆(LSTM)网络模型,引入了学习率指数衰减方法,来预测1 h后的PM2.5浓度,并将其与Lasso回归、支持向量回归(SVR)模型、XGBoost模型对比,发现构建的LSTM模型预测效果最好.     

基于消光系数的机场PM2.5质量浓度神经网络预测模型

分析了气溶胶粒径吸湿增长因子、风速和NO_2与消光系数和PM_(2.5)质量浓度之间的相关性及影响规律。提出了一种基于消光系数的机场PM_(2.5)质量浓度神经网络预测模型。首先,建立消光系数与PM_(2.5)质量浓度之间的定量关系,并分析相对湿度对其影响。然后,分析风速和NO_2对消光系数和PM_(2.5)质量浓度的影响。最后,将四项参数与PM_(2.5)质量浓度之间的复杂关系通过模糊神经网络进行学习和表达,实现PM_(2.5)质量浓度的预测。使用实测PM_(2.5)质量浓度数据对预测模型进行了对比验证。结果表明,该预测模型的预测精度较高,能较为客观的反映机场PM_(2.5)质量浓度的变化情况,这对研究颗粒物质量浓度对机场能见度的影响规律以及机场周边污染治理决策提供数据支持具有重要的意义。     

基于深度学习和支持向量机集成学习的PM2.5浓度24 h预测

提前24 h准确预测PM2.5浓度可以有效的避免严重污染天气对人体带来的不利影响.为了提高深度学习模型PM2.5浓度24 h预测的性能和泛化能力,在传统循环神经网络(RNN)模型上添加支持向量回归(SVR)作为下采样层提取非线性特征并降维;然后添加多核卷积神经网络(CNN)提升特征表达能力;最后利用门控循环网络(GRU...     

基于U-net神经网络模型的PM2.5逐小时浓度值预测模型

针对目前多数PM_2.5预测模型泛化能力较差的问题, 提出基于U-net神经网络模型的PM_2.5逐小时浓度值预测模型。该模型通过引入历史风场数据, 将离散的监测站点PM_2.5浓度值插值为PM_2.5网格图; 然后将U-net神经网络作为预测模型, 基于实验区域的10小时内的PM_2.5网格图, 预测下一时刻的PM_2.5网格图。该模型可以利用历史不同时刻提取的PM_2.5浓度值网格图, 在预测区域内所有位置PM_2.5浓度值的同时, 还可以提升预测的准确性以及对PM_2.5浓度值突变情况的适应性。实验结果表明, 所提方法在PM_2.5浓度值短时间突变情况下, 预测精度比传统方法有10%左右的提升。     

基于改进深度森林的短期电力负荷预测模型

深度学习模型通过学习数据的深层特征能够有效提高电力负荷预测的准确率,但同时也带来了超参数较多、模型可解释性差等问题。针对这些问题,文中将深度森林模型引入短期电力负荷预测领域。在多粒度级联森林模型的基础上改进了多粒度窗口扫描方法,调整窗口大小与滑动步长,使模型能够在不同时间尺度下提取电力负荷数据的周期性特征。此外,改进深度森林输出层的计算方法,将输出结果由离散的类向量改进为连续的预测值,进而提高模型的精确度。最后在中国东北电网的实测数据中验证了文中所提出方法的可行性与有效性。从实验结果可知,改进深度森林算法在较高预测精度的情况下能取得更高的准确率,并且相较于深度神经网络具有更快的学习速度。     

基于深度学习的房间冷负荷预测模型

准确的房间冷负荷预测是空调运行过程节能的基础.首先,根据房间能量平衡方程,通过分析供冷量、冷负荷和蓄热量的关系,提出调温模式下房间负荷预测模型;然后,利用频域分解法实现蓄热计算,应用深度循环神经网络实现温度恒定条件下冷负荷预测;最后,综合温度变化下的蓄热量和温度恒定条件下的冷负荷预测,得到调温模式下房间冷负荷预测值.为提升深度学习算法收敛速度,在深度循环神经网络反向传播修正参数的过程中引入了高斯-牛顿法-LM (Levenberg-Marquardt)法自适应切换的学习算法.仿真实验和实测实验均表明,该方法能快速有效地实现房间逐时负荷预测.本方法实现了调温模式下房间负荷需求的快速精确计算,可用于实现建筑被动热储能的定量计算,同时为整个电网需求侧直接负荷控制提供可借鉴的思路.     

基于联邦学习的短期负荷预测模型协同训练方法

针对机器学习方法在电力系统短期负荷预测领域的应用过程中,存在数据样本不 足、模型泛化能力差以及数据隐私保护要求较高等问题,以气象、日期以及历史负荷数据为输 入特征,构建基于长短期记忆（Long Short-Term Memory,LSTM）网络的短期负荷预测模型,提 出基于联邦学习（Federated Learning,FL）的短期负荷预测模型协同训练方法. 通过分散训练、 中心聚合的方式对模型参数进行迭代更新,实现各负荷运营商在保证数据隐私的情况下协同 构建预测模型. 在GEFCom2012比赛的多个地区负荷数据集上进行仿真验证,结果表明,所提 方法在保证各运营商数据隐私的同时,有效提升了短期负荷预测准确率,所训练出的模型在 多场景下具有优秀的泛化能力.     

基于深度学习的人脸美丽预测模型及其应用

为了进一步提高人脸美丽预测精度,本文构建了一个多尺度图像输入的人脸美丽预测深度卷积神经网络模型(Deep Convolution Neural Network,DCNN),以增强对人脸图像空间结构特征的提取能力.采用深度可分离卷积层代替普通卷积层、Max-Feature-Max(MFM)激活函数代替修正线性单元(Rectified Linear Unit,Re LU)激活函数,可减少网络训练参数并提取具有竞争性的网络特征.基于大规模亚洲女性人脸美丽数据库(Large Scale Asian Female Beauty Database,LSAFBD)的实验结果表明,本文所构建的人脸美丽预测模型取得了59.75%的正确分类率,优于现有DCNN模型的分类结果.     

PM2.5简介及福州市PM2.5污染分布特征

该文介绍了PM2.5细粒子污染重要的空气质量指示意义.利用2010年～2011年福州市PM2.5观测资料,分析了福州市细粒子污染的分布状况、主要特征及与气象条件的关系.结果表明:福州市PM2.5年平均浓度接近新标准规定的35ug/m3,污染程度较轻;月平均浓度峰值出现在5月,谷值出现在7月;季节分布高低排序为春季＞冬季＞秋季＞夏季,春季污染最严重,一级超标率达72.7％,夏季最轻;日分布呈单峰型,中午前后浓度最高;PM2.5浓度月季分布特征明显,说明PM2.5浓度变化与天气条件关系密切.     

基于GMDH的宏观经济短期预测模型

传统的宏观经济短期预测研究通常基于定量或定性预测模型,而GMDH 算法兼具定性定量的特点,建立了基于GMDH 自回归模型的混合预测模型数学模型来进行宏观经济短期预测,应用相关的统计数据做实证分析,将所得结果与传统GMDH模型、二次自回归模型进行了比较.结果表明,本文提出的混合预测模型具有良好的预测精度,是一种有效的宏观经济短期预测手段.     

基于深度学习的城市景观环境承载力预测模型分析

为了实现对城市景观环境承载力的准确预测,提出基于深度学习的城市景观环境承载力预测模型。根据城市景观环境承载力分布特征进行环境信息检测,构建环境承载力的大数据分析模型,提取反映城市景观环境承载力特征量的环境物理信息分布集。采用模糊信息融合方法进行环境承载力的特征分布式检测,建立环境承载力的模糊相关性特征辨识模型。结合模糊信息聚类方法进行城市景观环境承载力的统计分析,建立环境承载力统计特征分布式检测模型。根据数据分析结果,采用深度学习方法进行环境承载力预测的自适应寻优控制,实现城市景观环境承载力的准确预测。仿真结果表明,该方法的城市景观环境承载力预测的准确性较高,提高了预测水平,在环境保护中具有更高的应用价值。     

基于无线通信的家用PM2.5检测器

针对目前PM2.5检测器检测过于复杂、成本高、精度难以保证的缺点,提出一种基于无线通信模块的户用PM2.5检测器。该检测器由室内机与室外机2部分构成,通过RF1100SE模块实现室内外的通信。室内机与室外机均采用成本极低的STC单片机作为主控芯片,工作时室外机通过光敏粉尘传感器实现对户外PM2.5的检测,并将检测数据由无线模块发送到室内的接收模块,经单片机处理后由LED液晶显示屏显示实时数据和24小时的数据变化曲线,保证人们在室内能够准确获知室外的PM2.5数值,从而为人们对户外空气质量作短时预测,进而为指导人们的出行提供了方便。     

PM2.5监测技术研究进展

该文介绍了PM2.5的组成成分,依据我国工业结构和产业布局的情况分析了PM2.5的来源,探讨了常用的监测方法及其原理,并分析了PM2.5的防治对策,为解决大气能见度和雾霾天气、确保人们身体健康提供科学依据.     

被误读的PM2.5

前段时间,中国社会掀起对PM2.5的关注热潮,但媒体却给公众传递了两个错误信息：一是只要监测了PM2.5,空气质量就会好转;二是可吸入颗粒物中只有PM2.5才危害健康。这两个信息都是大误导。     

月球上的PM2.5

正PM2.5,不仅是地球的问题,也是月球的问题,让我们直面它,认清它,克服它,利用它。PM2.5这个名词已经深入到了我们的日常生活,它是指空气中直径小于或等于2.5微米的细颗粒物。由于它在大气中停留时间长、输送距离远,还可以深入到人体细支气管和肺泡,直接影响肺的通气功能,使机体容易处在缺氧状态。没错!PM2.5已     

PM2.5监测技术的研究进展

该文阐述了PM2.5的概念、来源、对人体的危害以及监测的方法,并提出了提高对PM2.5监测能力的几点建议,最后对其发展方向进行了展望.