基于数据挖掘的雾霾天气影响因子研究

摘要

近年来,我国大气污染问题随国民经济与城市化进程的高速发展而日益严峻,以雾霾天气为代表的恶性天气频频发生。根据卫星观测,我国存在四大雾霾重灾区:珠江三角洲、长江三角洲、四川盆地和黄淮海地区;约30％国土面积、近8亿人口正遭受雾霾的危害。因此,雾霾的形成机理、控制途径及预报预测系统的建立已成为当前地球科学领域的研究热点。对于这一系列科学问题的探索,首要任务就是掌握雾霾天气受到哪些因素的影响,从而达到合理制定雾霾防控方案的目的。
　　雾霾天气的影响因子包含两类:一类是决定雾霾组分的污染源,另一类是形成雾霾天气的空气动力学因素。污染源决定了雾霾成分的来源,动力学因素决定了成分在空间上的聚集与扩散。基于此,本论文利用数据挖掘领域的若干方法,从以下三方面对雾霾天气的影响因子进行研究:
　　(1)从空间区域影响的角度出发,利用空间自相关分析模型,研究空间相邻区域之间由于大气传输引起的雾霾组分的源贡献,结果表明雾霾组分在空间上存在一定的聚集状态,相邻区域之间的异地区源贡献作用明显。
　　(2)从社会发展影响的角度出发,利用灰色关联模型,研究城市本地区社会经济发展对雾霾组分的源贡献,结果表明社会发展中的人类活动与雾霾天气具有相关关系,尤其是经济增长产生的能耗、废气排放、城市道路建设以及建筑施工对雾霾组分的影响巨大,而一些受关注较多的人类活动如机动车排放、生活用能耗在本研究中对雾霾的影响并不强烈。
　　(3)从空气动力学影响的角度出发,利用相关分析、灰色关联模型与 B-P神经网络模型,分别从单因子影响与多因子共同作用两方面,研究气象条件对雾霾天气的影响。结果表明气象条件影响了雾霾组分的扩散与聚集,两者之间存在一定的相关性;利用气象参数对雾霾颗粒物的预测具有较高的精确度,说明气象参数对雾霾天气可能存在较强的非线性影响关系。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1选题背景与意义

1.2国内外研究现状

1.3本文研究内容

第二章 数据分析方法介绍

2.1数据挖掘概述

2.2空间分析

2.3 Pearson相关分析

2.4灰色关联分析

2.5 B-P神经网络算法

第三章 空间区域影响因子

3.2数据准备

3.3 K-nearest空间权重矩阵

3.4全局空间自相关分析

3.5局部空间自相关分析

3.6空间影响结果分析

3.7本章小结

第四章 社会发展影响因子

4.1数据准备

4.2社会发展因子的影响

4.3结果合理性分析

4.4本章小结

第五章 空气动力学影响因子

5.1数据准备

5.2 PM2.5与空气动力学因子的相关分析

5.3 PM2.5与空气动力学因子的灰色关联分析

5.4 PM2.5与空间动力学因子的非线性影响关系

5.5本章小结

第六章 总结与展望

6.1全文工作总结

6.2工作展望

致谢

参考文献