發(fā)布時(shí)間：2020-06-19 03:14

【摘要】：空氣質(zhì)量水平與人們的生產(chǎn)生活息息相關(guān)�！�2018全球環(huán)境績(jī)效指數(shù)報(bào)告》中顯示,中國(guó)的環(huán)境質(zhì)量在全球180個(gè)國(guó)家地區(qū)中排名177位,空氣污染問(wèn)題是當(dāng)下亟待解決的問(wèn)題之一。為有效開(kāi)展下一步空氣污染治理工作,需要對(duì)空氣污染數(shù)據(jù)進(jìn)行深入研究,探尋其發(fā)展趨勢(shì)和變化特征。科學(xué)合理地對(duì)空氣質(zhì)量進(jìn)行評(píng)價(jià)和分類(lèi),為改善城市空氣質(zhì)量提供合理有效的建議。本文研究樣本為全國(guó)31個(gè)省會(huì)城市2013年12月1日至2018年12月28日的空氣質(zhì)量數(shù)據(jù)與天氣數(shù)據(jù)。采用缺失森林填補(bǔ)法對(duì)原始數(shù)據(jù)集進(jìn)行數(shù)據(jù)插補(bǔ),使用統(tǒng)計(jì)學(xué)習(xí)方法從時(shí)間維度對(duì)數(shù)據(jù)進(jìn)行深入研究,建立多種機(jī)器學(xué)習(xí)模型對(duì)31個(gè)城市空氣質(zhì)量進(jìn)行評(píng)價(jià)和分類(lèi),并從多角度進(jìn)行模型性能度量。本文的主要研究工作有:(1)對(duì)空氣質(zhì)量整體情況分析并分年度統(tǒng)計(jì)首要污染物。發(fā)現(xiàn)空氣質(zhì)量指數(shù)較高的城市多為北方城市,且季節(jié)波動(dòng)較大。2016年之后,_3O逐漸取代PM_(2.5)成為一些城市的首要污染物。(2)根據(jù)污染物數(shù)據(jù)對(duì)省會(huì)城市進(jìn)行聚類(lèi),并對(duì)典型城市空氣質(zhì)量進(jìn)行時(shí)間維度分析。使用主成分分析與層次聚類(lèi)相結(jié)合的方法,將31個(gè)省會(huì)城市劃分為3類(lèi),并選出典型城市南寧、北京、鄭州。自2014年以來(lái),空氣質(zhì)量指數(shù)年均值呈下降趨勢(shì),全年空氣達(dá)標(biāo)天數(shù)均在2018年達(dá)到最高。北京的AQI月均值在每年的5-7月呈現(xiàn)反彈趨勢(shì),這是由于北京市5-7月份_3O均值達(dá)到最高值,且為占比最高的首要污染物。AQI均值在周內(nèi)各天均值并無(wú)明顯差異,周變量不是影響空氣質(zhì)量指數(shù)的關(guān)鍵因素。(3)為避免AQI單指標(biāo)評(píng)價(jià)的片面性,本文綜合考慮污染物質(zhì)量濃度、天氣以及周期等因素,選取三種機(jī)器學(xué)習(xí)方法對(duì)空氣質(zhì)量等級(jí)進(jìn)行分類(lèi)預(yù)測(cè)并進(jìn)行模型優(yōu)選。從算法預(yù)測(cè)精度來(lái)看,隨機(jī)森林相比BP神經(jīng)網(wǎng)絡(luò)提高了4.18%,GBDT算法相比BP神經(jīng)網(wǎng)絡(luò)提高了4.55%,預(yù)測(cè)精度達(dá)到了98.89%;從模型的運(yùn)行時(shí)間來(lái)看,隨機(jī)森林模型相比神經(jīng)網(wǎng)絡(luò)減少了61.766s,GBDT模型相比神經(jīng)網(wǎng)絡(luò)減少了66.964s;從宏查全率、宏查準(zhǔn)率以及宏觀(guān)F1指標(biāo)來(lái)看,GBDT算法均有較好的表現(xiàn)�？梢詫�GBDT算法有效用于空氣質(zhì)量等級(jí)分類(lèi)。
【學(xué)位授予單位】：山西大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：C81
【圖文】：

圖 2.1 神經(jīng)元模型示意圖神經(jīng)網(wǎng)絡(luò)的輸出值與激活函數(shù)的選擇有很大的關(guān)系，通常引入非線(xiàn)性函數(shù)作為激活函數(shù)，實(shí)現(xiàn)非線(xiàn)性問(wèn)題到線(xiàn)性問(wèn)題的轉(zhuǎn)化。單個(gè)神經(jīng)元 k 可以表示為如下公式2.1：1( )mk ik iik k ku w xy f u b ． （2.1）式 2.1 中， ( 1, )ix i m為輸入信號(hào)； ( 1, )ikw i m為神經(jīng)元的連接權(quán)值；kb 為單個(gè)神經(jīng)元的偏置；ku 為輸出值的加總； f ( )為激活函數(shù)；ky 為輸出信號(hào)。2.1.2 反饋網(wǎng)絡(luò)人工神經(jīng)元結(jié)構(gòu)模型反饋網(wǎng)絡(luò)中最基礎(chǔ)的形式為單層神經(jīng)網(wǎng)絡(luò)，由輸入層和輸出層兩個(gè)層次構(gòu)成。前者負(fù)責(zé)接收輸入信號(hào)，后者負(fù)責(zé)對(duì)輸出結(jié)果進(jìn)行處理。多層反饋神經(jīng)網(wǎng)絡(luò)則增加了中間層結(jié)構(gòu)，其結(jié)構(gòu)如圖 2.2 所示：

圖 2.2 多層網(wǎng)絡(luò)示意圖經(jīng)網(wǎng)絡(luò)中，所有節(jié)點(diǎn)都能進(jìn)行信號(hào)的處理，既能感受到輸入端電以進(jìn)行計(jì)算結(jié)果的輸出。經(jīng)網(wǎng)絡(luò)算法原理網(wǎng)絡(luò)采用最快速度下降法[40]的學(xué)習(xí)規(guī)則，通過(guò)網(wǎng)絡(luò)反向傳播結(jié)果閾值的調(diào)整，使網(wǎng)絡(luò)的輸出誤差值逐漸降低。BP 神經(jīng)網(wǎng)絡(luò)由兩個(gè)前向傳播與誤差的逆向反饋。在前向傳播過(guò)程中，系統(tǒng)首先接收。經(jīng)過(guò)中間層的計(jì)算加工之后，傳入輸出層，并進(jìn)行計(jì)算結(jié)果的神經(jīng)元之間的連接權(quán)值是不變的。反向傳播過(guò)程是按照前向傳播的反方向?qū)ο到y(tǒng)中每層的連接權(quán)重整。在這兩個(gè)過(guò)程的交替工作之后，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練各神經(jīng)元參練。號(hào)的前向傳播過(guò)程：

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王天樹(shù),鄭南寧,袁澤劍;機(jī)器智能與模式識(shí)別研究中的統(tǒng)計(jì)學(xué)習(xí)方法[J];自動(dòng)化學(xué)報(bào);2002年S1期

2 溫津偉,羅四維,趙嘉莉,黃華;通過(guò)創(chuàng)建虛擬樣本的小樣本人臉識(shí)別統(tǒng)計(jì)學(xué)習(xí)方法[J];計(jì)算機(jī)研究與發(fā)展;2002年07期

3 張子榮,初敏;解決多音字字-音轉(zhuǎn)換的一種統(tǒng)計(jì)學(xué)習(xí)方法[J];中文信息學(xué)報(bào);2002年03期

4 郝小可;李蟬秀;嚴(yán)景文;沈理;張道強(qiáng);;基于統(tǒng)計(jì)學(xué)習(xí)的影像遺傳學(xué)方法綜述[J];自動(dòng)化學(xué)報(bào);2018年01期

5 宋彥;蔡?hào)|風(fēng);張桂平;;統(tǒng)計(jì)學(xué)習(xí)與知識(shí)發(fā)現(xiàn)[J];沈陽(yáng)航空工業(yè)學(xué)院學(xué)報(bào);2008年05期

6 耿騫,毛瑞;漢語(yǔ)自然語(yǔ)言檢索中的詞法分析處理[J];情報(bào)科學(xué);2004年04期

7 周俊生;戴新宇;尹存燕;陳家駿;;自然語(yǔ)言信息抽取中的機(jī)器學(xué)習(xí)方法研究[J];計(jì)算機(jī)科學(xué);2005年03期

8 圖雅;李艷;郭淑妮;;支持向量機(jī)在蒙古語(yǔ)說(shuō)話(huà)人識(shí)別技術(shù)中的研究[J];計(jì)算機(jī)光盤(pán)軟件與應(yīng)用;2014年18期

9 繆有棟;邱錫鵬;黃萱菁;;一種適用于大規(guī)模網(wǎng)頁(yè)分類(lèi)的快速算法[J];計(jì)算機(jī)應(yīng)用與軟件;2012年07期

10 張付志;劉華中;;基于度量級(jí)融合的論文元數(shù)據(jù)提取方法[J];情報(bào)學(xué)報(bào);2013年03期

相關(guān)會(huì)議論文 前4條

1 郭慧志;劉華;謝學(xué)敏;張普;;《人民日?qǐng)?bào)》標(biāo)注語(yǔ)料的初步統(tǒng)計(jì)分析[A];全國(guó)第八屆計(jì)算語(yǔ)言學(xué)聯(lián)合學(xué)術(shù)會(huì)議（JSCL-2005）論文集[C];2005年

2 唐慧豐;譚松波;程學(xué)旗;;監(jiān)督學(xué)習(xí)方法在語(yǔ)氣挖掘中的應(yīng)用研究[A];內(nèi)容計(jì)算的研究與應(yīng)用前沿——第九屆全國(guó)計(jì)算語(yǔ)言學(xué)學(xué)術(shù)會(huì)議論文集[C];2007年

3 徐蔚然;于武貴;郭軍;;基于統(tǒng)計(jì)方法的混排文字切分與分類(lèi)[A];第八屆全國(guó)漢字識(shí)別學(xué)術(shù)會(huì)議論文集[C];2002年

4 劉力豐;米紅;耿代;;基于SVR的非線(xiàn)性協(xié)整關(guān)系建模研究[A];科學(xué)發(fā)展觀(guān)與系統(tǒng)工程——中國(guó)系統(tǒng)工程學(xué)會(huì)第十四屆學(xué)術(shù)年會(huì)論文集[C];2006年

相關(guān)博士學(xué)位論文 前3條

1 黃新;基于化學(xué)數(shù)據(jù)的若干統(tǒng)計(jì)學(xué)習(xí)新方法研究[D];中南大學(xué);2013年

2 楊光;時(shí)序區(qū)域地表覆蓋制圖關(guān)鍵技術(shù)研究[D];武漢大學(xué);2017年

3 楊帆;基于車(chē)輪力測(cè)試的車(chē)輛地面通過(guò)性關(guān)鍵技術(shù)研究[D];東南大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 郭紹征;基于統(tǒng)計(jì)學(xué)習(xí)方法的空氣質(zhì)量評(píng)價(jià)與分類(lèi)[D];山西大學(xué);2019年

2 鄒存利;統(tǒng)計(jì)學(xué)習(xí)方法在金融數(shù)據(jù)分析中的應(yīng)用[D];遼寧師范大學(xué);2018年

3 何京芮;圖像檢索中的統(tǒng)計(jì)學(xué)習(xí)方法研究[D];清華大學(xué);2005年

4 陳波;基于K近鄰法的高考錄取預(yù)測(cè)研究[D];湘潭大學(xué);2017年

5 代真真;基于統(tǒng)計(jì)學(xué)習(xí)方法的進(jìn)化算法研究[D];華東師范大學(xué);2014年

6 朱祺鈞;基于統(tǒng)計(jì)學(xué)習(xí)方法的容錯(cuò)計(jì)算[D];天津大學(xué);2007年

7 陳瀟;幾種統(tǒng)計(jì)學(xué)習(xí)方法的研究及應(yīng)用[D];中國(guó)海洋大學(xué);2014年

8 蘇振明;非結(jié)構(gòu)化文本中領(lǐng)域術(shù)語(yǔ)獲取方法的研究[D];蘭州大學(xué);2007年

9 周會(huì)軍;基于云計(jì)算的中文文本分類(lèi)方法的研究[D];湖南大學(xué);2012年

10 陳睿揚(yáng);面向體育新聞?lì)I(lǐng)域的中文簡(jiǎn)單名詞短語(yǔ)共指消解[D];南京理工大學(xué);2009年

本文編號(hào)：2720226