季节指数改进的PM2.5质量浓度组合预测模型研究

随着我国的经济和城市化迅速发展,PM_2.5主导的区域空气污染已成为紧迫、突出的环境问题。据相关研究表明,PM_2.5在不同季节质量浓度差异较大。根据广州市2015~2019年的PM_2.5月均质量浓度数据,结合大气污染物及气象因素,引入季节指数,建立预测PM_2.5质量浓度的改进多元线性回归和多层感知器组合预测模型,探析广州市大气污染物中PM_2.5质量浓度的变化规律。结果表明,用季节指数改进的组合预测模型对PM_2.5质量浓度进行预测分析,拟合结果良好。使用不同评价指标将组合模型与传统的多层感知器预测模型和多元线性回归模型进行对比,该组合模型的均方根误差(Root Mean Square Error,RMSE)、平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)、平均绝对误差(Mean Absolute Error,MAE)分别比多层感知器模型减少了23.1%、31%、24.2%;比多元线性回归模型减少了35.3%、41.3%、41%。该模型精度均优于传统的多元线性回归模型和多层感知器模型,能更好地预测环境PM_2.5质量浓度,为优化环境提供参考。     

基于气象因素的PM2.5质量浓度预测模型

为得出拟合效果最佳的预测模型,建立了多元回归和机器学习预测模型对PM_2.5质量浓度进行预测。在输入气象因素的基础上,引入污染物质量浓度基础值和周期因素两类变量作为预测输入,并对4种预测模型进行对比研究。研究结果表明:对预测输入进行改进后,多元线性回归预测模型拟合优度由0.52提高至0.64,所选取的气象参数、污染物质量浓度基础值和周期因素能较好地描述PM_2.5质量浓度的日变化情况;与多元线性回归预测模型相比,BP神经网络和支持向量机两种预测模型能较好地捕捉PM_2.5质量浓度与预测输入之间的非线性影响规律,整体拟合优度分别达0.69和0.74,预测准确度较高;支持向量机预测模型可作为PM_2.5质量浓度预测的首选方法。     

桂林市区大气汞的分布特征

为考察桂林市大气汞的分布特征,采用金柱捕集-原子荧光方法对桂林市区大气汞浓度进行了采样测定,结果表明各采样点大气汞浓度:春季为3.42~5.50ng/m3,夏季为7.80~11.18ng/m3,夏季明显高于春季。同时以桂林电子科技大学花江校区采样站点为研究对象,研究了不同天气状况下大气汞的日变化规律,结果表明:不同天气状况下,大气汞浓度随时间的变化趋势相同,均为早上偏低,中午达到高峰,之后又呈现缓慢下降趋势。为了进一步研究大气汞浓度与天气的关系,从2013年4月18日至5月23日对桂林电子科技大学花江校区进行16次采样测定,发现晴天大气汞浓度最高,为10.14±2.1ng/m3;雨天次之,为7.71±0.96ng/m3;多云间阴天最低,为5.62±0.82ng/m3。可见大气汞浓度受天气状况的影响。     

高密度城区绿地景观格局对PM2.5/O3的多尺度影响

为探究高密度城区绿地景观格局对于PM_2.5浓度与O₃浓度的尺度效应,分析西安市高密度城区范围,选取边界密度(ED)、景观形状指数(LSI)、面积加权形状指数(SHAPE＿AM)和平均形状指数(SHAPE＿MN)共4个景观格局指数衡量绿地景观格局,爬取2020—2021年国家空气质量监测站点的大气监测数据,运用皮尔逊相关性分析和线性回归分析方法,探究多尺度下高密度城区绿地景观格局对PM_2.5和O₃的时空分布特征、绿地景观格局特征和PM_2.5浓度、O₃浓度与景观格局指数的多尺度影响关系.结果表明,景观格局在夏季对于PM_2.5浓度、在春季对于O₃浓度的影响更为显著;在高密度城区内较小尺度的绿地上优化景观格局对PM_2.5与O₃浓度影响更有效.由此提出的绿地优化策略可为城市高密度城区多尺度绿地规划设计提供参考依据.     

基于大数据分析的郑州市城市用水量预测

基于2011—2019年郑州市用水统计资料,通过建立ARIMA模型、灰色GM(1,1)模型和基于大数据分析的多元线性回归分析3种模型对郑州市城市用水量进行预测.结果表明,利用主要影响因素建立的基于大数据分析的多元线性回归分析模型优化度R2和平均相对误差分别为0.946和1.758％,而ARIMA模型、灰色GM(1,1)...     

多元线性回归与BP神经网络预测模型对比与运用研究

对多元线性回归模型及BP神经网络模型的理论及运用方法进行研究,采用SPSS及MATLAB软件分别建立多元性回归和BP神经网络预测模型,通过农村居民纯收入预测的算例,对多元线性回p-3和BP神经网络预测模型的拟合优度、初始数据的仿真与模拟能力和新数据的预测能力进行对比,数据结果表明BP神经网络预测模型优于多元线性回归预测模型．     

基于时空认知膨胀卷积网络与多源影响因素的PM2.5细粒度预测模型

为实现精确化、细粒度的PM_2.5浓度预测,提出了基于时空认知膨胀卷积网络(spatial-temporal cognitive dilated convolution network, ST-C-DCN)的PM_2.5浓度预测模型ST-C-DCN。该模型将时空因素、气象因素运用于PM_2.5浓度预测,基于因果卷积网络提取时空特征,并采用时空注意力机制优化了时空特征的提取。基于海口市空气污染数据的实验测试表明：对于单个监测站,基线模型相比,ST-C-DCN的均方根误差(root mean square error, RMSE)平均下降24.7%,平均绝对误差(mean absolute error, MAE)平均下降9.93%,拟合优度(R-squared,R²)平均上升3.35%。对于全部监测站点的预测,ST-C-DCN在win-tie-loss(包括MSE、RMSE、MAE、R²)实验中,均获得了最多的获胜次数,分别为68,68、63和64。通过不同数据抽样条件下的Friedma...     

神经网络在个人信用组合预测中的应用

该文运用组合预测的思想,提出了通过感知器、BP、Elman和LVQ等不同的具有代表性的神经网络模型,将多元线性回归和logistic回归两单一方法进行组合,并分别应用于某商业银行的个人信用评估,其结果表明:感知器、BP、Elman和LVQ神经网络组合预测方法精确度不尽相同,但总体上能够获得比多元线性回归和logistic回归更高的预测精度,尤其在避免纳伪错误方面更具优势。     

西安大气细颗粒(PM1)化学组成及其对能见度的影响

在2012年秋季选取天气状况相对稳定的12d,运用细颗粒化学组分在线观测仪(ACSM),观测西安大气颗粒物变化;利用正矩阵因子分析法(PMF)对大气细颗粒物中的有机物进行源解析,探讨其对能见度的影响;最后,结合IMPROVE公式中吸湿增长因子和多元线性回归统计方法重建散光系数。结果表明:在观测时段,PM₁(不包括黑碳和矿尘等难熔组分)和PM_2.5质量浓度时间序列的相关性较好(判定系数为0.67),PM₁ 约占PM2.5质量浓度的60%,有机物约占PM₁ 质量浓度的58%,其他组分(包括SO₂^4- ,NO₃^- ,NH₄⁺ 和Cl^- )约占42%;高相对湿度(大于85%)伴随着一次组分质量分数的增加,雨水对一次组分的湿沉降作用也更加明显;利用正矩阵因子分析法对有机物进行源解析,分解出烃类有机气溶胶(HOA)和氧化性有机气溶胶(OOA)两种组分;OOA 约占有机物质量浓度的54%,HOA 约占46%,并且在下午时段,HOA 发生挥发,经过光化学反应快速转化为OOA;硝酸盐对光的散射贡献最大。     

基于熵权法的PHC管桩承载力组合预测

为克服单项预测方法产生的误差,利用灰色模型GM（1,N）、多元线性回归、BP神经网络等3种单项预测方法建立组合预测模型,并采用熵值法确定加权系数。通过对PHC管桩承载力进行比较预测,结果显示GM（1,N）法平均绝对百分比误差（MAPE）值为5.4%,多元线性回归法的MAPE为3.0%,BP神经网络法的MAPE为2.8%,组合预测法的MAPE为2.3%。因此组合预测法精度较高,实用性更强。     

基于正交实验的水源井水腐蚀影响因素及腐蚀预测

针对SZ36-1油田水源井水对油管腐蚀穿孔的影响日益严重的问题,在现场工况下研究了管材的腐蚀规律并对腐蚀进行了预测。设计5因素4水平的正交实验,分析了温度、压力、流速、CO₂质量浓度和矿化度等5个因素对腐蚀速率的影响,确定了SZ36-1油田水源井腐蚀环境下的主控因素是温度和CO₂质量浓度。通过多元线性回归分析方法和BP神经网络方法,建立腐蚀预测模型并进行了对比分析。对比分析结果表明,基于多元线性回归方法的腐蚀预测模型预测精度更高,更适合目前油田水源井水的腐蚀预测。     

人工神经网络方法对卤代联苯化合物的QSRR研究

将卤代联苯化合物作为研究体系,利用基于原子类型的电子拓扑结构（E-state）和基于13种原子类型的电性距离矢量描述子（MEDV-13）作为描述符,分别应用多元线性回归、人工神经网络中的误差反向传播神经网络和径向基函数神经网络的方法建立了55种卤代联苯化合物的QSRR模型。使用人工神经网络的方法预测的结果比多元线性回归的方法的结果稍好,相关系数R可以达到0.99以上,说明使用人工神经网络的方法能够准确地预测卤代联苯化合物的气相色谱和液相色谱的保留指数。     

人力资源需求预测模型的优选

鉴于企业人力资源需求系统的复杂性和非线性的特征,首先分别运用多元线性回归、灰色预测和神经网络对某供电企业的人力资源需求进行预测。然后进行误差分析和比较。最后从中优选出理想的预测方法。结果表明该优选的模型可以作为该供电公司人力资源需求预测的有效工具。     

基于遗传算法和支持向量机模型的高考成绩预测

为了提高支持向量机算法(SVM)预测的精度,使用遗传算法(GA)优化SVM模型参数,建立GA-SVM高考成绩预测模型。使用贵州省某高中高三理科学生4次模考成绩和高考成绩数据进行验证,与BP神经网络算法、多元线性回归、SVM模型比较,GA-SVM模型预测高考成绩的精度有明显提高,可为高考复习方向提供参考。     

三种交通流量预测模型的建立及其比较

针对城市交通“智能运输系统”和交通流的特性,采用先进的支持向量机算法和由它改进的BP神经网络方法来建立交通流量预测模型,并将它们及多元线性回归模型分别用于实际流量模拟.实验验证了由支持向量机算法和改进的BP神经网络建立的预测模型具有更高的预测效果和模拟精度.     

神经网络用于三元不对称有机磷酸酯杀虫剂的 QSAR 研究

在０乙基Ｎ烷基（取代硫脲基）硫代磷酰胺酯类杀虫剂的定量构效关系（ＱＳＡＲ）研究中，用Ｒ型聚类分析提取特征结构参数，结合多元线性回归和神经网络方法研究构效关系。回归方法为ＱＳＡＲ研究提供变量的物理解释，改进的神经网络方法———广义误差反传神经网络（ＧＢＰ）建立了更加精确的构效关系模型。研究表明神经网络在ＱＳＡＲ研究中具有良好的预测和非线性处理功能。     

基于BP神经网络和多元线性回归的辛烷值预测

为降低硫、烯烃含量及辛烷值损失,保证汽油清洁化生产,基于S Zorb装置运行积累的数据,首先利用Lasso算法初步筛选建模变量,并基于BP神经网络计算指标因子贡献度,进一步筛选出15个主要变量用于建立辛烷值损失预测模型;其次对比分析4种模型,得出BP神经网络预测精度更优,更适合作为辛烷值损失预测模型,并经过10折交叉验证得到均方误差(MSE)均值为0.027 193,R²均值为0.904 87,验证了该模型的可靠性;最后在控制油品硫质量分数不大于5μg/g的前提下,结合多元线性回归对主要变量进行优化调控.结果表明,需同时改变多个变量才能使辛烷值损失降幅大于30%,多元线性回归模型预测精度较好,能按照一定比例对主要变量进行正反向调控.本文还可视化展示了优化过程中辛烷值和硫含量的变化轨迹.     

常用空调负荷预测方法分析比较

准确预测空调负荷不仅对蓄能空调高效运行意义重大,而且也是新兴的冷热电三联产技术发挥技术优势的关键所在.针对同一幢建筑,分别采用了多元线性回归、季节性指数平滑法以及神经网络方法等三种典型性预测方法进行负荷预测研究,并对三种方法做了进一步改进.然后从预测精度、建模的复杂程度、工程上的可行性以及模型的其他特性(新建筑预测问题)等四个方面对负荷预测方法进行分析.结果表明:神经网络方法具有较高预测精度,而改进的季节性指数平滑法则具有较好的工程应用价值.     

长株潭城市群空气质量变化特征分析及预测

【目的】探讨气象因素与主要大气污染物的相关关系,研究空气质量的预测方法,为空气质量的监测、预警与调控提供一定的科学依据和参考。【方法】利用长株潭城市群23个国控监测点空气污染物日监测数据结果,研究2014—2019年长株潭城市群空气质量年份、季节、月变化特征及其对气象因素的响应,结合气象因素进行相关性分析,采用主成分分析(PCA)方法对13项气象数据进行降维处理,提取气象因素的综合评价指标,利用建立的BP神经网络、GA-BP神经网络、PSO-BP神经网络模型对长株潭空气质量进行预测分析。【结果】(1)长株潭城市群夏季空气质量较稳定,冬季空气质量稳定性最差,月平均值呈现“U型”分布状态。整体空气质量指数与平均气压呈正相关(P<0.05),与平均相对湿度、降雨量呈负相关(P<0.05)。冬季AQI变化受气象因素影响较小;(2)使用PSO-BP神经网络的预测值与实测值相关系数为0.996,平均绝对误差比BP神经网络、GA-BP神经网络分别减少90.50%、31.08%,均方误差比BP神经网络、GA-BP神经网络分别减少92.92%、17.15%。【结论】长株潭城市群PM_...     

神经网络与结构编码法预测直馏汽油色谱保留指数

对直馏汽油中的单体烃的分子结构进行了数字编码,并采用误差反向传播神经网络算法构造了直馏汽油中单体烃的气相色谱保留指数与其分子结构的非线性相关模型,神经网络结构为3层,隐含层节点为7个,有15个输入,对应单体烃的15位数字编码,1个输出,对应气相色谱保留指数.预测结果表明,由误差反传算法所得的相关系数和标准偏差均优于多元线性回归方法.