关键词:
动态神经网络
灰色关联分析
北京雾霾预测
雾霾经济
摘要:
2013年的雾霾“袭击”让我们认识了雾霾,也意识到了它对我们生活的诸多不利影响,这引起了社会各界人士的广泛关注。不同研究领域的学者们站在不同的角度对雾霾成因、雾霾影响、雾霾治理等各方面进行分析研究,这在学术界掀起了一片热潮。当然,在各位学者的研究中,主要是研究雾霾的根源、雾霾的治理和雾霾预测精度的提高。当前已进入大数据时代,数据挖掘技术也在跟随着取得了很大的进步,加上空气监测获得的海量数据,将数据挖掘技术去应用于雾霾各方面的研究中将会取得意想不到的效果。本文旨在运用数据挖掘算法对北京市雾霾进行预测,并建立雾霾经济模型。在众多学者研究的基础上,本文运用支持向量机、径向基函数、动态神经网络等数据挖掘算法对北京市雾霾及雾霾经济进行分析预测。首先,本文运用保形插值法对雾霾气象数据集进行数据处理,结合支持向量机和神经网络预测算法寻找雾霾形成和演化的规律,对雾霾天气进行预测,根据预测精度选定动态神经网络方法作为本文建模的主要方法。其次,在分析北京雾霾现状的基础上,详细分析北京雾霾对北京经济领域(农业、能源、工业、建筑业、旅游、进出口贸易等)的影响,选定构建雾霾经济模型的自变量,并对北京市雾霾浓度与各自变量之间进行灰色关联分析。最后,建立北京雾霾经济模型,运用建立的模型提出雾霾治理的对策。本文研究成果有:其一,实验选取气象数据集中的PM2.5和PM10作为目标因子,其他属性(SO2、CO、NO2、O3)为预测因子,运用RBF神经网络、SVM和时序动态神经网络三种方法对雾霾天气进行预测分析,比较三种预测方法的预测精度,同时选定动态神经网络方法作为北京市雾霾经济建模的主要方法。其二,针对提出的雾霾经济,运用灰色关联性分析法分析因变量PM2.5年日均值与拟选取的变量之间的相关性,根据相关性的大小选取构建雾霾经济模型的指标,运用神经网络算法建立雾霾经济模型。其三,通过对自变量数值的变化,并利用建立的雾霾经济模型进行预测,提出控制机动车保有量、建筑面积、煤炭污染、工业污染四方面的雾霾治理建议。其四,神经网络算法拥有很强大的功能,无论数据量的多与少,在时间序列上运用动态神经网络算法都能有很好的拟合效果和预测精准度。