关键词：
PM2.5
再现时间
多重分形
LSTM神经网络模型
BP人工神经网络模型
混合预测模型
摘要：
大气细颗粒物(PM)污染问题已备受人们的广泛关注,也是我国各大城市面临的主要环境问题。高浓度的PM对人类健康、生态环境及经济的可持续发展有着巨大的影响。为尽可能地降低重污染天气带来的危害,对大气重污染再现时间进行准确预测显得十分重要。大气重污染再现时间是指两次相邻高污染事件发生的时间间隔。然而,目前广泛应用的数值模型和统计模型均是针对PM浓度进行预测。这两类模型并没有考虑到PM浓度超过某个指标时,两个相邻超标PM再现时间之间的关联性,也没有对超标PM再现时间进行预测。若能准确预测未来某一时刻将有重度污染事件发生,这比预测每个时刻的浓度来说,是一个更重要的研究方向。本文以大气重污染再现时间为切入点,采用科学的方法对超标PM再现时间的演化特征及其分布规律进行研究,将有助于发展新颖有效的空气重污染预测方法,对大气污染防治工作具有重要的科学与实际意义。本文以长沙、成都及上海三市2015年1月1日至2019年12月31日灰霾期间8个不同阈值下超标PM再现时间为研究对象。灰霾期间超标PM再现时间演化表现出无规律性、非周期和高度的非线性特征,传统线性统计方法无法对其序列的演变过程进行精准刻画。为了克服这个难题,本研究将非线性科学中的集合经验模态分解(EEMD)、消除趋势波动分析(DFA)和多重分形消除趋势波动分析(MFDFA)三种非线性分形方法进行有机融合,从以下四个方面对不同时间尺度下超标PM再现时间序列的内在非线性演化特征进行研究。在此分析的基础上,基于人工神经网络构建了两种新颖的大气重污染再现时间预测方法,即多重分形消除趋势波动分析-长短期记忆网络(MFDFA-LSTM)混合预测模型和多重分形消除趋势波动分析-BP神经网络(MFDFA-BP)混合预测模型,具体研究得到的主要结果如下:首先,通过直观性和基本统计量检验,对三市不同阈值下超标PM再现时间序列进行正态性和非线性的判定。结果表明,灰霾期间三市不同阈值下超标PM再现时间序列均不服从正态分布,而是呈尖峰胖尾概率分布的非线性特征。其次,通过数学模型,对三市不同阈值下超标PM再现时间的分布规律及可预测性进行研究。结果表明,三市不同阈值下超标PM再现时间序列均服从良好的拉伸指数分布模式,其分布函数可以作为超标PM再现时间预测的数学模型。但该模型不能对下一次或任意一次空气重污染的发生时刻进行精准预测,只是对空气重污染的再现时间起到概率评估的作用。第三,通过EEMD方法,从三市不同阈值下超标PM再现时间序列中提取具有高频率的非线性特征模态,并计算其相应的平均周期和方差贡献率。结果表明,短周期对应高频模态的累积方差贡献率在超标PM再现时间序列波动中占很大比例,高频序列更能反映超标PM再现时间波动的非线性特征。第四,通过DFA和MFDFA分形方法,对三市不同阈值下原始超标PM再现时间序列与其高频序列进行分析。DFA分析表明,三市较小阈值下原始超标PM再现时间序列波动的演变过程具有相对较弱的长期持续性特征。随着阈值增大,其长期持续性特征在逐渐减弱或者不存在。研究表明,其长期持续性特征的变化主要受高频序列的影响。MFDFA分析表明,三市较小阈值下原始超标PM再现时间序列的多重分形特征受长期持续性和尖峰胖尾概率分布两者共同作用影响。但随着阈值增大,尖峰胖尾概率分布对原始超标PM再现时间序列的多重分形特征起主导控制作用。三市原始超标PM再现时间的多重分形强度随阈值的增大而增强,其多重分形谱参数的变化主要受高频序列影响。研究表明,基于超标PM再现时间的多重分形谱参数,构建耦合分形参数的神经网络混合预测模型,对超标PM再现时间进行直接预测将存在很大的困难。因此,需要寻求另一种途径对超标PM再现时间进行预测。最后,本文有效的将非线性科学中的分形方法进行有机融合,从大气重污染演化的时间序列中提取关键的非线性分形参数。在此基础上,基于神经网络构建两种新颖的混合预测模型(MFDFA-LSTM和MFDFA-BP),并对大气PM浓度进行预测。研究表明,本文建立两种耦合分形参量的模型预测效果要优于未耦合分形参量的模型。长沙、成都及上海三市MFDFA-BP混合模型比BP模型在预测精度上分别提高7.67%、14.26%和18.17%;MFDFA-LSTM混合模型比LSTM模型在预测精度上分别提高7.77%、16.19%和18.04%。进一步,将这两个混合模型预测得到的PM浓度预测值进行转换得到不同浓度阈值下超标PM再现时间的预测值,并计算超标PM再现时间的预测正确率。研究表明,长沙、成都及上海三市较低阈值下,基于MFDFA-BP模型预测超标PM再现时间的正确率分别高达93.82%、95.82%和93.79%;MFDFA-LSTM模型的预测正确率分别高达93.91%、96.09%和94.36%。三市总体上基于8个不同阈值下超标
欢迎来到三峡大学图书馆！
维普期刊数据库
同方期刊数据库
详细信息
