基于CPSO-BP神经网络的PM_(2.5)浓度预测模型

为了提高大气中PM_(2.5)浓度的预测精度,采用平均影响值(MIV)算法筛选出对大气中PM_(2.5)浓度有影响的主要变量,并依次作为神经网络输入变量。利用混沌粒子学(CPSO)算法修正BP神经网络初始权值和阈值,优化BP神经网络机构,以达到提高预测模型精度的目的。以2017年西安市PM_(2.5)日均浓度数据为样本建立预测模型,实验结果表明:相比于传统BP神经网络,基于CPSO-BP神经网络预测性能更优。     

成都市冬季PM_(2.5)污染特征及溯源分析

本研究利用2019年成都锦城湖监测点PM_(2.5)的监测数据,研究成都市冬季PM_(2.5)的污染特征及其与气象要素之间的关系,并利用后向轨迹模型进行颗粒物溯源及追踪分析。结果表明:成都市环境空气PM_(2.5)平均质量浓度为53 g/m~3,达到国家空气质量二级标准;PM_(2.5)质量与温度呈显著正相关性,与风速呈负相关性,与湿度呈负相关性,与气压呈显著负相关性;成都市冬季气团主要来自东北方向,来自东南偏南方向的PM_(2.5)及其前体物对成都市PM_(2.5)质量浓度贡献最大。     

2015～2018年哈尔滨市空气质量变化及评价

利用2015～2018年哈尔滨市逐日空气质量数据,对年内、不同年份及不同季节的空气质量指数(AQI)、首要污染物出现频率的特征变化进行研究,并采用综合污染指数法对哈尔滨市空气质量进行评价.结果表明:(1)2015～2018年哈尔滨市AQI为优良天数呈逐年增加趋势,轻度污染及以上天数逐年减少,2018年空气质量为最佳.(2)2015-2018年空气首要污染物以PM2.5和PM10为主,污染日数最多,属颗粒物污染类型,但逐年减少,而NO_2出现率均最低,但逐年增多.(3)夏季空气质量最好,以NO_2为主;春季次之,以PM10为首要污染物出现率最高;秋冬季节较差,以PM2.5为主.(4)2015～2018年哈尔滨的空气质量均属于轻污染等级,需采取进一步措施使哈尔滨市的环境空气质量更佳.     

改进型灰色神经网络模型在水质预测中的应用

介绍了三类改进的灰色模型和BP神经网络。将三类改进的灰色模型与神经网络进行组合,得到改进型灰色神经网络组合模型,将一维序列通过三个改进的灰色模型得到三组值作为神经网络的输入,原始序列作为神经网络的输出,训练得到最佳神经网络结构。将组合模型应用到嘉陵江磁器口断面总磷浓度的预测中,结果表明:(1)用该组合模型进行预测,相对误差均在5%以下,预测精度较高,取得了较理想的预测效果;(2)WPGM(1,1)、pGM(1,1)、CGM(1,1)、组合模型预测的平均相对误差分别为5.05%、34.01%、33.65%、3.02%,与单一灰色预测方法和灰色神经网络模型相比,组合模型的适应能力和预测推广能力更好,预测精度更高。     

基于主成分分析的BP神经网络和RBF神经网络月平均气温预测模型

应用基于主成分分析的BP神经网络和RBF神经网络建立了气温预测模型.通过比较模型的均方误差(MSE)和平均绝对误差(MAE)值可知,采用主成分分析的BP神经网络得到的预测模型的误差小于主成分分析的RBF神经网络预测模型.结果表明,模型采用主成分分析提取了影响因变量的重要因子,去掉了网络输入样本的自变量之间的重叠因子,同时也提高了预测能力.     

基于ABC算法优化BP神经网络的雾霾天气预测模型研究

本文首先阐述了BP神经网络和ABC算法的基本概念,结合现阶段环境空气质量需求,明确了雾霾天气预测预警的必要性,然后结合安徽省大气质量指数数据,从空气质量等级评估、预测指标体系构建和雾霾天气预测模型选择等方面,研究了基于ABC算法优化BP神经网络的雾霾天气预警模型,以期进一步提高雾霾等级评估与预测的准确性,提高政府相关部门决策的时效性。     

气象条件对西安市区及周边污染影响分析

在环境污染日益严重的形势下,研究气象条件与大气污染的关系,以期为环境气象决策服务提供更好的思路。基于2010-2015年西安市区、长安区、临潼区气象观测资料及同期PM_(10)浓度和空气质量等级数据,探讨PM_(10)浓度年、季、月变化,以及污染天气下的气象要素特征,四季气温对PM_(10)浓度影响的阈值,不同等级、不同形态的降水对PM_(10)浓度的清除率,风速、风向对PM_(10)浓度的影响等。结果显示:近6aPM_(10)浓度缓慢上升,2013年PM_(10)浓度骤增与不利的气象条件关系密切;春季污染主要贡献为外来沙尘输送;冬季污染主要贡献为不利于污染扩散的气象条件;四季PM_(10)浓度与气温关系复杂;PM_(10)浓度最低值出现在降水峰值次日;连续性降水中PM_(10)浓度与降水量反比明显;间断性降水中,降水停止时PM_(10)浓度可能高于降水前的值;降水对西安市区的清除能力最大;春季大风沙尘造成PM_(10)浓度增高,冬季低风速不利于PM_(10)扩散;长安区盛行东南风、临潼区盛行东北风时易形成空气污染,二者下风方向为西安市区,加大了西安市区污染物堆积。     

哈尔滨冬季气象要素对空气质量指数的影响分析

影响空气质量的要素很多,其中气象要素对空气质量的影响是不容忽视的。运用相关性分析、偏最小二乘回归和通径分析方法,研究了哈尔滨市2014年1月份气象要素对空气质量指数(Air quality index,AQI)的影响程度。相关性分析结果表明,AQI与平均风速显著性负相关,与平均相对湿度显著性正相关,气象要素间存在严重的多重共线性。根据相关性分析结果,建立了AQI与气象要素的偏最小二乘回归方程,模型拟合良好。通径分析结果表明,平均风速对AQI的直接作用、总作用和决策系数均最大,平均气压、平均相对湿度、平均气温通过平均风速对AQI的间接作用均大于它们对AQI的直接作用。平均风速为主要决定因素,平均气压为主要限制性因素。     

基于遗传RBF神经网络的无线传感器网络流量预测方法

提出了基于遗传RBF神经网络的无线传感器网络流量预测方法.在这里,RBF神经网络有6个输入节点,8个隐藏节点和1个输出节点.RBF神经网络的训练参数对RBF神经网络的预测能力有一定的影响,应该选择一个优化的方法来选择合适的参数.实验结果表明,无线传感器网络流量的预测结果优于RBF神经网络和BP神经网络.     

山西省黑碳气溶胶污染特征与减排政策分析

黑碳(Black Carbon,BC)是PM2.5的重要组成成分,对气候、空气质量与人体健康都存在负面影响.为了了解山西省BC排放特征,识别重点排放时段与区域,本文基于MERRA-2再分析数据,探究了山西省BC浓度时空分布特征,并分析了山西省近年来环境空气质量控制政策,结论如下:①山西省BC浓度南高北低,全省年平均浓度...     

基于灰色关联模型对乌鲁木齐市PM_(10)浓度的影响因素分析

基于乌鲁木齐市2006~2015年空气污染物数据、气象数据和城市发展数据,构建了乌鲁木齐市PM_(10)浓度影响指标体系,通过熵值法对PM_(10)浓度影响指标因子做了综合评价分析,利用灰色关联模型对PM_(10)浓度及其影响指标因子、影响指标层做了灰色关联度分析。研究发现:(1)PM_(10)浓度的影响指标因子依据其变化趋势可以分为两类;(2)城市化与产业结构对乌鲁木齐市PM_(10)的浓度影响最大(wi=0.418 1),其次是PM_(10)污染物来源(wi=0.387 9),空气污染物与气象要素对PM_(10)的浓度影响最小(wi=0.194 1);(3)从发展水平看,城市化与产业结构PM_(10)污染物来源空气污染物与气象要素;(4)在28个影响指标因子中,与PM_(10)浓度呈中度关联的指标因子有生活垃圾处理量、房屋建筑施工面积和地区工业总产值,其余25个指标因子与PM_(10)浓度都呈强度关联;(5)三个指标层与PM_(10)浓度的灰色关联度都为强度关联;(6)空气各污染物与气象要素对PM_(10)浓度的固有影响属性不会随着时间的推移而发生明显改变,PM_(10)污染物来源、城市化与产业结构对PM_(10)浓度的影响随着时间的推移影响程度减弱。     

基于PEARSON函数的AQI指数与气象要素关联性研究

基于2011—2018年洛阳地区AQI数据及主要污染物资料,分析了2011年到2018年洛阳地区的空气质量和污染物特征,探讨了洛阳地区AQI指数及污染物种类与气象要素之间的关系。结果表明:洛阳地区冬季AQI指数为一年中的最大值,夏秋季AQI指数最小;从2011年开始,AQI指数呈上升趋势,至2016年达到最大值后开始减小。洛阳市的主要污染物为PM2.5和PM10,且近年来冬季PM2.5和PM10的平均浓度呈上升趋势。温度和降水对污染物浓度的影响最大,但近三年来,温度变化对污染物浓度的影响效果开始减弱。总体来说,各气象要素与AQI之间存在紧密联系。     

2001—2010年郑州市环境空气质量模糊综合评价及分析

<正>作为河南省省会,21世纪以来,郑州市的政治、经济、社会各项事业都得到了快速发展,其城市环境空气质量也越来越受到重视。虽然从1997年起,郑州市就开始建立环境空气质量自动监测系统,但由于以往监测数据的缺乏,所以至今还没有形成一个较为系统的、定量的空气质量研究模型。本文,笔者引入模糊综合评价模型对2001—2010年郑州市城区环境空气质量进行了全     

2001—2010年郑州市环境空气质量模糊综合评价及分析

作为河南省省会,21世纪以来,郑州市的政治、经济、社会各项事业都得到了快速发展,其城市环境空气质量也越来越受到重视。虽然从1997年起,郑州市就开始建立环境空气质量自动监测系统,但由于以往监测数据的缺乏,所以至今还没有形成一个较为系统的、定量的空气质量研究模型。本文,笔者引入模糊综合评价模型对2001—2010年郑州市城区环境空气质量进行了全     

2001—2010年郑州市环境空气质量模糊综合评价及分析

作为河南省省会,21世纪以来,郑州市的政治、经济、社会各项事业都得到了快速发展,其城市环境空气质量也越来越受到重视。虽然从1997年起,郑州市就开始建立环境空气质量自动监测系统,但由于以往监测数据的缺乏,所以至今还没有形成一个较为系统的、定量的空气质量研究模型。本文,笔者引入模糊综合评价模型对2001—2010年郑州市...     

鲁西南地区静稳天气特征及其与大气污染物的关系

【目的】研究鲁西南地区静稳天气特征及其与主要污染物的关系。【方法】通过构建静稳天气综合指数,利用2014—2018年济宁、菏泽、枣庄三市的大气监测和气象资料,构建了鲁西南地区静稳天气指数(SWI),分析了SWI与空气质量指数(AQI)及PM_2.5浓度的关系,能较好地表征鲁西南地区大气对污染物的水平与垂直扩散及运输能力。【结果】济宁SWI与AQI相关系数为0.79,与PM_2.5浓度的相关系数为0.78;菏泽SWI与AQI相关系数为0.62,与PM_2.5浓度的相关系数为0.61;枣庄SWI与AQI相关系数为0.77,与PM_2.5浓度的相关系数为0.78。当SWI增大时,PM_2.5浓度与AQI值均增大;当SWI值减小时,PM_2.5浓度与AQI值均下降,其具备较好的对应关系。【结论】静稳天气指数的时间提前特征,说明静稳天气指数对下一日的空气质量具有一定的影响;静稳天气指数在空气质量发生转折时有较好的指示作用;静稳天气指数在一定程度上与大气污染程度的变化一致,且在一...     

城市环境空气质量污染特征及对策建议

城市空气质量作为重要的环境问题,影响着城市人口健康和社会经济发展。利用研究区历年城市空气环境质量监测资料,对其城市空气污染因子进行周期性日、月、年趋势分析。结果表明:研究区在全省、全国重点环境保护试点城市中均属于污染较为严重城市;城市环境空气质量的首要污染物为PM10;监测因子SO2、NO2年均浓度有上升趋势,污染形势较为严峻;监测因子PM10年均浓度稳中有降,环境质量有所好转。在此基础上,分析影响城市环境空气质量的主要因素,并提出相应的改善城市空气质量的政策建议。     

基于ARMA模型的哈尔滨市空气质量研究

基于哈尔滨市2015年至2017年的空气质量指数AQI数据,运用Fisher有序样品聚类法对数据从时间上进行分割,逐段建立ARMA模型,并对模型进行检验.结果表明哈尔滨空气质量变化规律呈现时段性,可分为供暖期和非供暖期.利用供暖期和非供暖期ARMA模型对哈尔滨AQI进行预测,预测值与实测值基本吻合,整体趋势也能够得到较好的预测.     

驻马店市大气污染物变化特征及与气象条件的相关性研究

本研究基于驻马店市2020年12月1日至2021年11月30日主要大气污染物质量浓度及同期几种气象要素、气象条件要素逐日数据,采用统计分析及Pearson相关系数法对驻马店市大气污染物质量浓度变化特征及与气象条件的关系进行研究,结果表明：驻马店市空气质量以二级为主,一级次之,整体空气质量较好;空气质量有明显的季、月变化特征,空气质量最好的是夏季,最差的是冬季,PM2.5、NO2和PM10质量浓度变化呈“U”型分布特征,冬季质量浓度最大,夏季质量浓度最小,O3质量浓度变化与其他三种污染物相反,呈倒“U”型分布,夏季最大,冬季最小;O3质量浓度与降水量和风速呈负相关,与气温呈正相关,PM2.5质量浓度和空气质量AQI与降水量、气温、风速均呈负相关;O3和PM2.5浓度与边界层高度、通风量呈负相关。     

德州市春节期间大气污染与气象要素的关系

气象要素是影响空气质量的重要因子.以德州市为例,选取了近5年德州市春节期间大气污染物浓度及气象数据,采用多种统计方法分析了大气污染物的变化以及气象与大气污染的关系,量化天气形势和局部气象要素对春节期间德州市大气污染物质量浓度变化的贡献.结果表明,PM_(2.5),PM_(10),SO_2,NO_2等4种污染物浓度受温度、湿度和风速等气象要素影响较大,其中PM_(2.5)和PM_(10)主要受湿度影响,SO_2主要受风速影响,NO_2受湿度和风速影响都相对较大.此研究为德州市在春节期间加强大气污染防治提供一定的数据基础和科学依据.