一类新的预测模型及其应用

对时间序列的一类预测模型进行了研究,把灰色模型与BP神经网络模型组合建模,通过实例分析取得好的效果。     

重庆市空气质量特征分析

针对近年来空气质量问题,利用重庆市2013-12到2017-12的空气质量资料,提出采用Ridit分析法与描述性统计相结合的方法对重庆市空气质量的变化趋势进行特征分析。结果表明:近4年来,重庆市的空气质量有逐渐变好的趋势。其中,从月份变化的角度来看,空气质量以12个月为一个周期发生变化且有逐渐变好的趋势;从季节变化的角度来看,重庆市的空气质量存在比较明显的季节性差异,其中夏季的空气质量是全年中最好的,其次是秋季与春季,冬季的空气质量最差;从年度变化的角度来看,空气质量有逐年变好的趋势。     

环境空气质量标准修订后城市空气质量变化趋势及污染特征分析 ——以济南市为例

2012年环境空气质量标准修订后,大气污染物监测指标与频次发生变化,在一定程度上影响了城市空气质量评价及污染特征判定。为进一步促进城市空气质量改善,为地方环境管理与决策提供科学支撑,通过运用统计分析、趋势检验及相关分析等方法研究了济南市执行新环境空气质量标准后,各时段城市空气质量及6项污染物浓度变化趋势,在此基础上识别了空气污染特征。结果表明：自2013年起,PM10、PM2.5浓度不断下降,SO2、CO持续达标,近3年间全市无污染天数占50%左右;从季节变化来看,冬季大气污染最为严重,夏秋两季空气环境质量较好;PM10、PM2.5与NO2长期处于超标水平,O3污染愈加严重。可见济南市环境空气质量虽日趋改善,但以PM10、PM2.5和O3污染为代表的复合型大气污染特征已经形成。     

基于机器学习在空气质量指数中的应用

利用机器学习和多元线性回归模型对西安市近一年的空气质量指数进行了研究,首先利用随机森林思想对数据进行了补齐,然后运用交叉验证对神经网络模型选取最优的隐层节点数和训练周期数,最后,通过比较两种模型的拟合效果发现,神经网络模型在对空气质量指数的预测效果明显好于多元线性回归模型。     

南昌市空气质量变化特征分析

利用南昌市2013年1月至2014年5月期间6个环境监测点的空气质量指数数据,对南昌市空气质量指数变化规律进行分析,并对南昌2016年12月7日一次重大污染过程进行溯源.结果表明:1)南昌市秋冬季空气质量指数明显高于春夏季,6月空气质量最好,1月污染最为严重,空气质量最差;2)南昌空气质量指数日变化呈现双峰型特征;冬季一个峰值基本出现在中午前后,另一峰值基本出现在半夜时段,且夏季第一个峰值出现的时间较其他季节都提前;3)南下的冷空气携带了大量来自北方省份污染物,同时快速南下的冷空气使得南昌城区低空出现上暖下冷的逆温层,使得污染物在南昌地区积聚,不易扩散,造成了2016年12月7日南昌的重大空气污染.     

基于BP神经网络的产品成本预测模型及其EXCEL实现

建立了产品成本的BP神经网络预测模型,并在微软Excel 电子表格上模拟运行,对权值的优化,运用Excel"加载宏"程序,可以直接在电子表格上进行,实践结果表明预测结果基本满意.     

基于P-ARIMA的空气质量预测模型

文章提出了一种新的空气质量预测模型,可同时对空气质量指数AQI和6个污染指标进行预测.该模型通过主成分分析(PCA)提取空气质量矩阵的主要特征并进行压缩,然后将压缩矩阵与差分移动平均自回归模型(ARIMA)相结合,来预测未来的空气质量.最后在公开的空气质量数据集上进行了实验.实验结果表明,该文提出的P-ARIMA模型能够有效地提高预测精度并减少计算所需的时间.     

中国社会消费品零售总额的预测模型

用自回归、移动平均、自回归移动平均模型(ARIMA)拟合分析2002年1月到2008年8月中国社会消费品零售总额,建立预测消费品零售总额的疏系数乘积季节模型,并用该模型预测2008年6~10月的社会消费品零售总额和2009年月度消费品零售总额.模型预测误差率都在0.03以内,估计值与真实值吻合,拟合效果能达到预期的目的.     

基于神经网络的预测模型的比较研究

随着经济预测、电力预测等各种预测的兴起,预测对各种领域的重要性开始显现.针对在建立预测模型时不能准确判别使用合适的神经网络,论文归纳了几种常用干预测的神经网络:BP神经网络、RBF神经网络、小波神经网络、组合神经网络,并总结了相应的优缺点,及其适用的预测范围.以某蓄电池厂近几年的销售量为例,检验各种预测模型的精度.预测结果显示,用单一预测模型进行预测时,因自身的局限,使其预测精度和稳定性不高.相比之下,组合预测模型更能有效提高预测精度,可以较充分的降低预测风险,保证预测结果的稳健性.     

芜湖市环境空气质量时空变化特征分析

以芜湖市2003- 2009年环境空气的三项主要污染物SO2、NO2和PM10的监测数据为基础,运用环境空气质量标准、上海大气质量指数和空气污染指数API,对芜湖市区以及芜湖县、繁昌县、南陵县的环境空气质量进行评价.并结合各地产业结构特点,对空气污染的年际变化特征、地域分布特征进行分析,进而对各区域环境空气污染的原因进行探究.针对芜湖市环境空气存在的主要问题,提出合理的意见和建议,以期为城市环境综合整治、环境规划与管理提供参考.     

室内空气品质的灰色非本征预测模型

利用灰色系统理论和原有的确定性物理模型建立了室内空气品质灰色非本征预测模型．并利用灰色非本征模型模拟了两种条件下，室内二氧化碳随时间变化的特性．计算实例表明，灰色非本征模型在预测室内空气品质时具有较好的实用性和精确性．     

基于随机森林视角的空气质量分类预测

为有效防治大气污染,依据大气污染的各项指标值来预测城市空气质量级别并给出起主导作用的因素,提出基于随机森林的空气质量等级分类预测方法;随机森林模型直接给出影响空气质量指标的重要性评分以便于找出最重要的影响因素,比较不同的数据挖掘方法,结果显示:随机森林分类预测的准确率最高,因此该模型可广泛应用于空气质量预测中;测试集结果显示随机森林方法不易受噪声影响且泛化误差较低,重要性评分给出细颗粒物和可吸入颗粒影响为最重要的两个因素,并以保定市为例有针对性地给出提高空气质量的建议。     

通辽市科尔沁区春季空气质量现状分析

根据2006年4、5月的观测数据,对通辽市科尔沁区空气质量进行了详细的对比分析,结果表明：市区与郊区SO2、NO2在4、5月份均不超标,TSP在4月份不超标,5月份却严重超标.市区SO2、NO2、TSP的浓度普遍高于郊区.利用空气污染指数评价空气质量,得出4月份空气质量较好,能够达到二级标准;而5月份空气质量较差,达到五级重度污染.郊区的空气质量比市区的好,空气质量除受人为因素影响之外,受自然因素影响也很大,降水和风速是TSP的主要影响因子.     

秦皇岛市非物质文化遗产的调查分析

秦皇岛市非物质文化遗产资源丰富,历史悠久,开发利用前景广阔,但也存在投入与政策支持不足,缺少专业研究人员与高水平的学术研究成果等。因此应采取相应措施大力发展秦皇岛市非物质文化遗产：一是科学分级,合理开发;二是结合地域特色,重点开发名人文化资源;三是拓展开发空间,注重物质文化遗产与非物质文化遗产的结合。     

基于竞争型神经网络的城市空气质量分析

该文利用竞争型神经网络来对空气质量进行分类。竞争型神经网络模拟生物神经网络中的神经元之间的兴奋、抑制与竞争的机制,进行网络的学习与训练。竞争型神经网络的输出层神经元能够通过竞争以确定胜者,胜者将指出哪一种原型模式最能代表输入模式。将不同空气质量等级下的各空气指标作为原型模式,通过输入样本模式,利用竞争网络的竞争特点得到胜者,以此得出空气质量等级。     

浅谈秦皇岛城市区地下水污染现状与成因分析

地下水是一种有限的宝贵的自然资源,又是生态环境体系中的活跃因素。由于人类活动的长期影响,地下水环境表现出不断恶化的趋势。本文介绍了秦皇岛城市区地下水的分布及埋藏条件;地下水的补、径、排条件,阐述了地下水的污染现状,分析了地下水的污染原因,并提出了防治措施。     

基于灰色关联的洛阳市空气质量影响因素分析

以洛阳市2006年至2009年的市区空气质量为例,利用灰色关联分析法对影响空气质量的因素进行了分析。分析结果表明:洛阳市空气质量的首要污染物是可吸入颗粒物(PM₁₀),空气质量呈现煤烟型和尘污染的复合特征;烟尘排放总量、城市机动车辆总数、人均公园绿地面积和二氧化硫排放总量是影响洛阳市空气质量的主要因素。改善城市燃料结构、控制机动车辆的尾气排放和加强城市绿化建设是改善城市空气质量状况的最有效手段。     

临汾市大气环境质量的灰色优势分析

随着经济的迅速发展和城市人口的急骤增加,城市大气环境质量问题愈来愈受到人们的重视.本文利用灰色系统优势分析的原理及方法,找出“九五“期间影响临汾市大气环境质量的主要因素,并提出相应的措施,以供决策部门参考.