基于數(shù)據(jù)挖掘技術的大氣環(huán)境預測研究.pdf

1、隨著中國環(huán)境監(jiān)測網(wǎng)絡覆蓋面的深入，各環(huán)境監(jiān)測站點產(chǎn)生并積累了大量的監(jiān)測數(shù)據(jù)。這些數(shù)據(jù)目前只是用來數(shù)據(jù)查詢，數(shù)據(jù)的潛在價值還沒有挖掘出來，因此利用這些歷史數(shù)據(jù)找到大氣污染物濃度變化的趨勢和規(guī)律，并且設計開發(fā)大氣環(huán)境預測系統(tǒng)是十分有必要的。
　　本文對大氣環(huán)境預測模型展開細致分析和探討，提出兩種大氣環(huán)境預測模型，分別針對短期（1小時到4天）和中長期（4天到21天）情況下的預測，并在兩種預測模型基礎上搭建大氣環(huán)境預測系統(tǒng)，方便用戶了解未

2、來大氣污染物濃度。
　　本文的主要研究工作有:
　　(1)數(shù)據(jù)獲取與數(shù)據(jù)預處理。編寫網(wǎng)絡爬蟲腳本從北京市環(huán)境保護監(jiān)測中心獲取原始數(shù)據(jù)，網(wǎng)絡爬蟲腳本使用HttpClient技術實現(xiàn)模擬瀏覽器發(fā)送請求，使用Jsoup技術完成對網(wǎng)頁源碼信息的解析。對得到的原始數(shù)據(jù)使用數(shù)據(jù)清洗的方法，刪除超出正常范圍和相互矛盾的數(shù)據(jù)，使用數(shù)據(jù)變換的方法，完成不同量級、量綱的歸一化。
　　(2)基于多元線性回歸的短期預測模型研究。通過優(yōu)化建模方

3、法、增加輸入因子，提出多元線性回歸優(yōu)化模型。通過實驗對比，建模方法為逐步線性回歸，增加季節(jié)因素和其他污染物濃度兩個輸入因子，能較為準確的預測未來大氣污染物濃度并且適用于大氣污染物濃度的短期預測。
　　(3)基于遺傳神經(jīng)網(wǎng)絡的中長期預測模型研究。針對傳統(tǒng)BP神經(jīng)網(wǎng)絡全局搜索能力不足、容易陷入局部最優(yōu)、訓練速度慢等問題，提出BP神經(jīng)網(wǎng)絡與遺傳算法相結(jié)合并且將遺傳算法的交叉概率和變異概率隨適應度的變化而變化。經(jīng)過改進的神經(jīng)網(wǎng)絡局部尋優(yōu)能