十面“霾”伏 何以拨霾见日?

正频繁来袭的雾霾已困扰人们许久,不论是PM2.5持续"爆表",还是"北京风光,千里朦胧,万里尘飘"的无奈调侃,都透露了人们深深的忧虑和沉思。今年两会期间,空气质量更是引起了公众的集体危机感。要想彻底告别雾霾,必须借助大数据的力量对它进行全面的监测与分析,才能有效地预警和治理。近来我国多个城市爆发雾霾天气,空气污染严重。一时间,雾霾、PM2.5"爆表"     

基于LSTM的PM2.5浓度预测模型

随着近年雾霾天气的频繁出现,空气质量开始越来越受到公众关注。PM2.5浓度指数是判断空气质量的重要指标,如何根据历史数据有效地预测空气中PM2.5浓度,具有很高的应用价值。分析以往空气质量数据表明,PM2.5浓度有明显的非线性和不确定性波动,很难用传统机器学习算法有效地预测。本文基于LSTM循环神经网络,依据过去20小时采集的空气数据,预测未来5小时的PM2.5浓度指数。实验结果表明,LSTM可以有效地捕获空气质量的时序特征,较准确预测出未来时刻的PM2.5浓度指数。     

基于多元回归分析的PM2.5预测研究

PM2.5对人体健康和大气环境质量的影响众所周知,分析、预测PM2.5浓度对污染天气防治与干预有着非常重要的作用。利用灰色关联度、多元回归分析等方法对全国各大城市空气质量进行了研究,分析了影响PM2.5浓度的主要因素并进行了影响程度排序,构建了PM2.5预测模型并进行了预测实践,为我国环境空气质量预报和污染天气防治干预提供了有效的决策信息。     

基于多元线性回归的雾霾预测方法研究

提出了一种在线样本更新的多元线性回归分析的雾霾预测方法。首先搜集了北京市天气状况,包括平均气温、湿度、风级等气象数据以及PM2.5、CO、NO₂、SO₂等大气成分浓度数据,然后通过散点图对这些因素进行主要影响因素分析,筛选出对雾霾影响比较明显的因素作为雾霾预测的依据。通过在线样本更新的多元线性回归建立了PM2.5含量预测模型,并将气象要素作为雾霾的判断标准。最后给出实际例子,利用多元线性回归对北京未来一天、三天及一周的PM2.5含量进行较为精确的预测。     

基于BP人工神经网络的雾霾天气预测研究

在雾霾天气准确预测的研究中,为更好的反映长春市空气质量状况,对长春市的PM2.5含量实测数据与同期的气象资料进行了分析.为科学准确地预测雾霾天气,根据BP人工神经网络可以逼近任意非线性函数的特点,提出了采用BP人工神经网络的雾霾天气预测系统.以长春市的PM2.5实时监测数据为时间序列数据样本,应用C++语言进行编程实现.最后建立了基于时间序列的BP神经网络雾霾天气预测模型.仿真结果表明,该模型能够较准确的预测雾霾天气.提高了预测的有效性和实用性.     

PP助手与您一起“送地球母亲一抹绿”

自2011年秋冬季连续出现的雾霾天气开始,空气质量开始受到社会广泛关注,PM2.5、雾霾等成为了热词。历经三个年头,我们对雾霾、PM2.5等词汇已然不再陌生,人们也开始更加珍惜所见的绿色,渴望还天空一片蔚蓝!公众对于环保的关注也引起了一些热心公益企业的重视,今年的植树节,阿里巴巴旗下的手机助手——PP助手安     

北京PM2.5排放量估算及预测——以秸秆燃烧为例

PM2.5是造成雾霾天气、降低能见度,影响交通安全的主要因素,近年来受到人们的高度重视。农作物秸秆燃烧是PM2.5重要的来源之一。本文以秸秆燃烧为例,通过经验系数法估算了北京2005-2012年PM2.5排放量,结果表明:农作物秸秆燃烧产生的PM2.5排放总量随着年份的增加呈波动性上升趋势     

京津冀地区植被覆盖对大气颗粒物浓度的影响

针对京津冀地区空气污染现象频发的问题,基于长时序NDVI、空气质量监测站等数据,从多种时间、空间尺度上分析植被覆盖对大气颗粒物浓度的影响。首先分析了NDVI的时空特征变化,然后探究了NDVI和颗粒物浓度的在时间和空间上相关性,最后比较了植被区和非植被区空气质量小时均值变化趋势。实验结果表明：NDVI月均值与颗粒物浓度变化趋势相关,研究区整体NDVI与PM2.5、PM10浓度月均值回归方程的R²分别为0.580、0.601;植被覆盖对PM2.5和PM10浓度年均值的最佳影响尺度分别为3 km和2.5 km,各季节的最佳影响尺度中夏季最大、冬季最小;植被覆盖对颗粒物浓度升高有抑制作用,植被区颗粒物浓度的变化比非植被区更加平缓。     

基于R语言的城市PM2.5影响因素分析

以R语言为数据分析的工具,基于相关分析和回归分析方法,对太原市PM2.5的影响因素进行分析。研究PM2.5与其他气态污染物之间的关系,探讨各气态污染物在PM2.5二次合成中的贡献;建立PM2.5和PM10的回归模型,方便通过PM10对PM2.5进行预测。结果显示:(1)太原市区空气污染物中,PM2.5和PM10相关性最强;(2)PM2.5和PM10回归分析得到回归模型为PM2.5=0.63PM10-11.76(R2=0.8427),回归方程拟合度较好;(3)PM2.5和其他气态污染物多元线性回归模型为PM2.5=0.24SO_2+20.08CO+11.54(R2=0.4844),拟合度检验效果一般,考虑三者之间还有其他因素的影响。     

浅谈互联网时代下雾霾再治用的研究

雾霾是雾和霾的混合物,对空气环境污染很大,已经直接影响到人的生命健康,从2009年开始严重,慢慢走近公众视野.现已成为一个公众讨论的热点话题.2014年1月4日,国家首次将雾霾天气纳入2013年自然灾情进行通报.在2014年2月,习近平在北京考察时指出:应对雾霾污染、改善空气质量的首要任务是控制PM2.5,要从压减燃煤、严格控车、调整产业、强化管理、联防联控、依法治理等方面采取重大举措,聚焦重点领域,严格指标考核,加强环境执法监管,认真进行责任追究.我国当前治理pm2.5的出路在哪里?怎样才能有效的将雾霾从源头和末端进行治理?本文就这个问题进行了探讨.     

基于机器学习的短期PM2.5预测

由于环境和快速发展之间的不平衡,城市空气质量问题变得越来越突出。PM2.5作为空气污染的主要成分,会对人体造成很大伤害。因此,准确地预测PM2.5浓度对于保护人们健康具有重要意义。首先选取了其他空气质量数据(PM₁₀、NO₂、CO₂、O₃)作为影响因素,构建了基于机器学习(多元线性回归、岭回归、套索回归、决策树、随机森林和人工神经网络)的PM2.5预测模型;其次利用这些模型预测山西省太原市未来1小时PM2.5浓度;最后通过MAE、RMSE、R²来等指标评价各模型的预测性能,实验结果表明,基于随机森林的预测模型具有最高的预测精度。     

基于stc51单片机的太阳能雾霾冲洗净化控制系统

随着巴黎雾霾霾污染事件以及柴静的《穹顶之下》播出,逐步使国内外对雾霾的危害加以重视,开始抗击雾霾、守护蓝天,雾霾主要的是PM2.5,它的毒性和悬浮性很高,只靠治理污染源,无法彻底消除空气中仍悬浮大量的PM2.5。为了消除空气中的雾霾,本文采用一种环保且节能除雾霾方式。根据雾霾气体可以溶于水的原理,设计并制作出了一种过滤冲洗雾霾的净化装置。     

基于BP模型的北京PM2.5年均值预测研究

PM2.5也称作可入颗粒物。是指大气中直径小于等于2.5微米的颗粒物。虽然PM2.5在地球大气成分中含量很少,但它对空气质量和能见度等有重要的影响,且对人体健康影响很大。该研究以北京市机动车保有量、煤炭消耗量和年扬尘天数2000-2013年的统计数据为基础,建立BP神经网络模型进行预测研究,结果表明：2014年PM2.5年均值为90.83μg/m3,三因素与PM2.5年均值的相关度顺序为：煤炭消耗量〉年扬尘天数〉机动车保有量。     

基于BP模型的北京PM＿(2.5)年均值预测研究

PM2.5也称作可入颗粒物。是指大气中直径小于等于2.5微米的颗粒物。虽然PM2.5在地球大气成分中含量很少,但它对空气质量和能见度等有重要的影响,且对人体健康影响很大。该研究以北京市机动车保有量、煤炭消耗量和年扬尘天数2000-2013年的统计数据为基础,建立BP神经网络模型进行预测研究,结果表明:2014年PM2.5年均值为90.83μg/m3,三因素与PM2.5年均值的相关度顺序为:煤炭消耗量年扬尘天数机动车保有量。     

基于订阅发布的空气质量监测系统的设计实现

近几年空气污染愈发严重,空气质量问题不容小觑。本文设计并实现了基于订阅发布的空气质量监测系统,包括便携式、低功耗的传感器模块,发布订阅服务端系统和跨平台移动客户端。其中,底层传感器节点是以Arduino扩展板进行编程集成的,能够通过若干个感知设备对空气中CO、PM2.5、PM10、03、VOC、NO2、温湿度等进行监测。同时传感器节点和移动端能通过无线、有线、蓝牙等方式与发布订阅服务器系统进行通信,接收服务端推送的订阅或发布信息,移动端接收感知信息后,可实时动态展示空气质量信息和城市天气信息,以便用户随时监测空气质量。     

DSCE-GEP算法在PM2.5浓度预测中的应用

雾霾防治是目前空气质量保护问题研究的热点,PM2.5浓度预测是雾霾防治的关键之一;文章采用一种双系统协同进化的基因表达式编程算法(DSCE-GEP)进行PM2.5浓度预测,该算法在GEP算法中引入人工干预操作来提高算法进化速度以及解的质量;DSCE-GEP算法是对人类进化的模拟,不仅具有强大的模型学习能力,而且能得到模型的显式函数表达式;文中以西安地区逐日PM2.5浓度预测为例,将DSCE-GEP算法与传统基因表达式编程算法(GEP)、文献中分类回归树和极限学习机组合模型(CART-EELM)以及卷积神经网络和长短期记忆神经网络组合模型(CNN-LSTM)进行了对比实验;实验结果表明,DSCE-GEP算法拟合度更高,是一种具有竞争力的智能预测算法.     

基于单片机的PM2.5测试仪的设计与实现

PM2.5作为雾霾的重要组成部分,其颗粒物直径小,含有高浓度的有毒、有害物质并且在空气中长时间保留、远距离漂浮等特性,使得对PM2.5的检测和治理成为当务之急。本设计采用MSP430F149单片机为控制中心,由GP2Y1010AU0F光学空气质量传感器测量空气粉尘浓度,通过单片机内置的12位AD转换将模拟的电压信号转换成数字信号,然后由单片机进行数据的处理,最后由LCD1602显示屏显示当前空气粉尘浓度,当浓度超过设定阈值时报警。实践证明,该PM2.5测试仪电路设计简单、稳定性好、测试精度高、体积小、价格低,具有一定实用价值。     

基于机器学习方法的空气质量预测与影响因素识别

空气质量指数(AQI)的精准预测及影响因素识别,对空气污染防护和治理具有重要现实意义。选取北京市2014年第一季度至2022年第二季度AQI作为研究对象,探究六大污染物、五个气象因子和十四个经济变量对空气质量影响。选用DT,RF,GBDT和XGBoost模型对AQI进行预测,并使用稳定性选择方法定量分析各个变量对AQI的贡献。结果表明：四种模型方法均有良好的预测效果,其中XGBoost和RF的预测效果最优;六大污染物中PM2.5,PM10浓度和气象因素中的风速和气压对AQI影响较大;十四个经济变量对AQI的影响差异较大,其中城镇居民人均可支配收入、第三产业GDP和规模以上工业总产值等对AQI影响较大,而第一产业GDP和公路货物运输量等影响较小。     

基于太阳能的PM2.5测试仪设计

近来我国空气质量变差,阴霾天气增多,严重危害着人们的身体健康,因此对人类环境的监测与治理显得尤为重要。我们设计了一种粉尘颗粒PM2.5的自动测试仪,可以检测PM2.5、PM10以及重金属等颗粒,该系统设计合理、工作稳定、测试精度高,具有一定的实用价值。     

基于遗传算法与BP神经网络的PM2.5发生演化模型

PM2.5成为近年来大气问题研究的热点。本文以西安市（2013.01.01 2013.04.26）PM2.5的数据为基础,分析PM2.5的成因以及影响因素,运用遗传算法与BP神经网络构建西安市PM2.5的发生演化模型,通过实验验证该模型的有效性、通用性与可靠性。