基于连续隐马尔可夫的兰州PM10污染提前24小时预测研究

摘要

随着我国经济的飞速增长，工业化和城镇化的不断改革，空气污染也越来越严重。“雾霾”已经成为全国人民关注的焦点话题，它危害着人们的正常生活，危害人们的健康。近年来，全国各地都在采取各种措施治理雾霾，遏制空气污染的进一步恶化。而究其根本，雾霾中真正危害人们健康的是空气中的悬浮颗粒PM10和PM2.5。
　　为了减少空气污染对人们健康的危害，对悬浮颗粒物(PM10和PM2.5)浓度进行有效检测和合理控制，通过对已有数据的分析来设计相应的PM10浓度预测模型，以起到预防的作用，目前已成为一项十分有意义的工作。PM10浓度偏高是导致空气污染的重要因素之一。本文针对兰州市 PM10的浓度与其相关的气象条件之间关系的分析，将连续的气象条件：温度、相对湿度、风速和前一天的PM10浓度作为观测变量，以PM10浓度划分的等级作为隐状态，建立了连续观测条件的隐马尔可夫模型。然后，在此基础之上建立基于连续观测条件的隐马尔可夫模型的提前24小时的PM10浓度等级预测模型，以达到提前24小时预测兰州市夏季PM10浓度的目的。
　　在具体实验中，本文选取2007-2010年四年的兰州市夏季气象数据和PM10污染数据作为训练集，以2011年兰州市夏季的气象数据和PM10污染数据作为测试集，建立并验证了提前24小时的PM10预测模型。同时，将本模型的预测结果与另外三个经典预测算法的预测结果进行了比较。实验结果显示，本文模型预测效果优于其他模型，能起到有效预测绝大多数天数 PM10的浓度等级的作用。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 课题研究背景

1.2 针对PM2.5及PM10目前国内外研究现状介绍

1.3 国内外对悬浮污染颗粒物(PM)的预测研究现状

1.4 相关预测方法分析

1.5 马尔可夫链简介

第二章 隐马尔可夫模型介绍

2.1 隐马尔可夫模型相关知识介绍

2.2 隐马尔可夫模型解决的三个问题

2.3 连续观测隐马尔可夫模型定义

2.4 连续观测隐马尔可夫模型相关参数

2.5 连续观测隐马尔可夫模型的参数估计

2.6 隐马尔可夫模型的应用现状

第三章 基于CHMM的提前24小时预测模型

3.1 模型选取

3.2 模型概述及数据集简介

3.3 观测变量分析与选取

3.4 连续观测隐马尔可夫模型（CHMM）建立

3.5 预测模型建立

第四章 实验及预测结果分析

4.1 测试集

4.2 试验方法和参数估计

4.3 实验结果分析

4.4 实验结论

第五章 总结与展望

5.1 工作总结

5.2 展望

参考文献

在学期间的研究成果

致谢