基于深度学习的城市空气质量指数预测研究

发布时间：2024-04-24 05:15

　　随着城市化发展和工业化规模的壮大,各种有害物质的排放导致形成了空气污染问题,严重影响着城市居民的健康和日常生活。目前在许多城市已经建立了空气质量监测站,人们也越来越关注城市空气质量,在监测的同时,人们对预测未来空气质量的高要求也有所增加。针对空气污染物数据中存在的缺失值现象以及预测模型结构单一的问题,同时考虑到气象的快速变化对空气质量产生的影响。本文主要研究短期的(每小时)空气质量指数的预测,提出一种组合缺失处理方法,并构建基于深度循环神经网络(GRU-BPNN)的空气质量指数预测模型。主要工作包括:1)通过对空气质量指数(AQI)的深入研究,本文使用的数据不再是从空气质量监测站所获得的空气污染物的浓度值,而是根据空气质量指数的定义以及计算方法,将各个污染物的浓度值通过环境标准转换为各个污染物项目的空气质量分指数(IAQI),这样的数据转换便于进行后续的数据处理。2)部分空气质量监测站在某一时间段的数据由于某种原因会导致不同程度的缺失。针对当前的数据填补过程中忽略了空气质量指数的数据特性以及数据的缺失处理方法单一的问题,本文通过对缺失数据属性和缺失时长进行分析,提出了具有针对性的空气质...

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

图1.1全球PM2.5浓度情况分布图

第1章绪论2党的十八大以来，国家政府坚决向环境污染提出了宣战，全力推进对于大气、水、土壤污染的防治措施[3]。国务院针对大气污染的防治问题，特别制定了《大气污染防治行动计划》。经过五年的治理实施，全国各个省市及城市的空气质量有了显著改善。但是，我国PM2.5的浓度值依然比WHO规....

图1.2智慧城市发展的主要技术

第1章绪论3图1.2智慧城市发展的主要技术以数据作为研究基础，借助深度学习等关键技术，对空气质量等级更加准确的预测，使居民对空气污染情况有着清晰且直观的了解，并提醒广大市民，特别是对空气污染比较敏感的人士，可以极早的采取预防措施，从而对出行计划进行合理安排；若对空气质量水平的预测....

图1.3中美空气质量指数差异因此，空气质量水平的预测目标可以分为：单项污染物浓度值的预测、API预测

第1章绪论4图1.3所示为中美两国的空气质量指数标准的差别，虽然AQI的级别同样都是被划分为6个等级，每个级别采用相同的颜色来表示，但每个级别所对应的污染物浓度限值的设定是有所不同的，以PM2.5为例，假设PM2.5的浓度为353/gm，中国所对应的空气质量类别是优秀，对于美国的....

图3.1各数据属性缺失情况

第3章数据处理相关方法15第3章数据处理相关方法3.1数据缺失处理有关数据质量最常见的一个问题是有些监测记录没有属性值。造成缺失现象出现的原因是多方面的，在本文的研究中，可能由于监测设备故障、断电等现象的出现，导致部分监测站在某一时间段的历史数据会存在不同程度的缺失。数据中所出现....

本文编号：3963285