版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、分類號: 分類號:O213 密級: 密級:公開 公開 專 業(yè) 學 位 研 究 生 學 位 論 文 校址:甘肅省蘭州市 校址:甘肅省蘭州市 論文題目(中文) 論文題目(中文) 一種基于新的混合模型的 一種基于新的混合模型的 PM2.5 的預測 的預測 論文題目(外文) 論文題目(外文) PM2.5 Forecasting Using a New
2、Hybrid Model Based on Decomposition Extraction Prediction and Ensemble 研 究 生 姓 名 研 究 生 姓 名 梁 杰 學 位 類 別 學 位 類 別 應用統(tǒng)計 應用統(tǒng)計 專 業(yè) 學 位 領(lǐng) 域 專 業(yè) 學 位 領(lǐng) 域 學 位 級 別 學 位 級 別 碩 士 校內(nèi) 校內(nèi)導師姓名、 職稱 導師姓名、 職稱 焦桂梅 焦桂梅 副教授 副教授 校外 校外導
3、師 導師單位 單位、 姓名 姓名 論文工作起止年月 論文工作起止年月 2016 2016 年 3 3 月至 月至 2017 2017 年 4 月 論 文 提 交 日 期 論 文 提 交 日 期 2017 2017 年 4 4 月 論 文 答 辯 日 期 論 文 答 辯 日 期 2017 2017 年 5 5 月 學 位 授 予 日 期 學 位 授 予 日 期 蘭州大學碩士研究生學位論文
4、 一種基于新的混合模型的 PM2.5 的預測 I 一種基于新的混合模型的 一種基于新的混合模型的 PM2.5 的預測 的預測 中文摘要 中文摘要 可入肺顆粒物 (PM2.5) 是指空氣動力學當量直徑小于或等于 2.5 微米的細顆粒。 PM2.5 能夠長期存在于空氣當中, 其在空氣中濃度越高表明空氣污染越嚴重。PM2.5 可能造成一系列嚴重的健康問題, 這是由于 PM2.5 的直徑很小, 而且容易附帶諸多有毒、有害物質(zhì)(例如重金屬、致病微
5、生物等) 。因此對于 PM2.5 濃度的精確預測和控制就顯得尤為關(guān)鍵。 本文基于一個新的預測原則——“分解-提取-預測- 合 成 ” , 提 出 了 基 于 FEEMD-KPCA-ELM ( Fast ensemble empirical mode decomposition-Kernel principal component analysis-Extreme learning machine)的混合模型來對 PM2.5 濃度進行精確
6、預測。 快速集合經(jīng)驗模態(tài)分解 (FEEMD) 將初始的 PM2.5 序列快速分解成為若干條本征模函數(shù) (IMFs) ,每一條本征模函數(shù)都包含原始 PM2.5 序列的重要信息,然而對過多的本征模函數(shù)進行預測勢必會造成模態(tài)混合、 模型復雜等問題, 這會嚴重影響到預測結(jié)果的精度, 同時增加預測工作量。為解決這一問題并且簡化冗余的輸入數(shù)據(jù),本文提出了使用核主成 分分析(KPCA) 來提取各本征模函數(shù)中包含的信息。 在混合模型中極限學習機 (EL
7、M)算法對提取之后的主成分(PCs)進行預測,然后文中使用另一個極限學習機對預測后的結(jié)果進行合成, 從而得到最終的預測結(jié)果。 混合模型的提取部分可能會造成信息的缺失,因此本文使用了一種殘差檢驗方法——Ljung-Box Q-Test 來驗證殘差序列為白噪聲。混合模型的驗證數(shù)據(jù)來自于中國主要的兩個城市(上海,太原)的每日 PM2.5 監(jiān)測值。最后,混合模型與兩組比較模型的對比實驗證明了提出的新模型具有預測精度高、速度快的優(yōu)點。 關(guān)鍵詞:
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于時空數(shù)據(jù)模型的pm2.5濃度預測
- 基于機器學習的北京pm2.5預測算法
- 基于混合效應模型的河北省pm2.5濃度時空變化模擬
- 辦公建筑pm2.5濃度的影響因素與預測模型
- 基于分解集合原則的pm2.5濃度短期預測的研究
- 基于神經(jīng)網(wǎng)絡(luò)的pm2.5質(zhì)量濃度預測研究
- 基于支持向量回歸機的pm2.5濃度預測模型分析與研究
- pm2.5點源擴散預測模型及實時檢測系統(tǒng)的設(shè)計
- 基于常規(guī)大氣監(jiān)測數(shù)據(jù)對pm2.5的評估和預測
- 基于街谷模型的pm2.5擴散數(shù)值模擬研究
- pm2.5 口罩
- 基于整體經(jīng)驗模態(tài)分解和隨機森林的城市pm2.5預測
- 一種基于熱阻矩陣的2.5d封裝芯片結(jié)溫預測模型
- pm2.5去除率
- 一種新的風險等級預測的模型改善評價方法.pdf
- pm2.5檢測方法
- pm2.5的影響及控制對策
- 淺議pm2.5的危害及防治
- 影響pm2.5的理化因素及相關(guān)問題的模型研究
- 人工神經(jīng)網(wǎng)絡(luò)在預測pm2.5濃度中的研究
評論
0/150
提交評論