基于CEEMD的新型混合模型预测PM2.5浓度

发布时间：2023-04-23 02:52

　　随着城市工业化发展和技术的进步,环境污染问题也日益严重,引起了世界范围的关注。特别是近几十年来,我国经济迅速发展,对各种能源的消耗越来越大,因此,我们也付出了环境恶化的惨重代价。近年来中国各地发生的雾霾天气就是由于一些能源燃料的过度燃烧,向空气中排放的各种污染物的数量严重超出大气环境所能承载的范围所造成的。对个人的身体健康以及国家的经济发展等各个方面产生了严重的影响。目前,经研究发现PM2.5是主要的空气污染物之一,如果我们对PM2.5浓度可以做出准确的预测,我们就可以做出相应的有效的防护措施,有效的预防和控制人类的生产和生活。本文基于互补集合经验模态分解(CEEMD),飞蛾火焰优化算法(MFO),支持向量回归(SVR),灰色关联度分析(GRA),反向传播神经网络(BPNN)等算法,对具有不同人文环境和地理位置的贵阳、丽江、广州等城市2017年的PM2.5浓度进行预测,提出一种智能的混合模型CEEMD-MFO-SVR-GRA-BPNN.首先,对原始PM2.5浓度数据进行CEEMD分解,分解为3个固有模态函数和1个残余项,其次用MFO优化算法优化SVR中的参数(c,g),随后用GRA进行...

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
第一章 引言
    1 研究背景及意义
    2 研究现状
    3 本文的主要特点及贡献
    4 论文结构安排
第二章 预备知识
    1 数据分解
        1.1 经验模态分解
        1.2 集合经验模态分解
        1.3 互补集合经验模态分解
        1.4 三种分解方法的比较
        1.5 CEEMD的优势
    2 优化算法
        2.1 粒子群优化算法(PSO)
        2.2 鲸鱼优化算法(WOA)
        2.3 飞蛾扑火优化算法(MFO)
    3 支持向量机
        3.1 支持向量机
        3.2 支持向回归
    4 关联分析
        4.1 灰色关联分析(GRA)
    5 BP神经网络(BPNN)
        5.1 BP网络的基本结构
        5.2 反向传播算法
第三章 案例分析
    1 数据收集及相关性分析
        1.1 数据描述
        1.2 选择相关联气象因素
        1.3 基本参数设置
    2 模型评估准则
    3 实验分析
第四章 总结与展望
    1 研究结论
    2 研究局限性
参考文献
致谢



本文编号：3798933