基本信息
- 項目名稱：
- 基于AMRT-CPSO-BP對黃土高原半干旱地區(qū)臭氧濃度預報的探索與實現(xiàn)
- 小類：
- 能源化工
- 大類：
- 自然科學類學術論文
- 簡介：
- 氣候變化，引起全球天氣異常。臭氧是危害最嚴重的二次污染物。由于工業(yè)化和城市化，臭氧污染問題顯得尤為突出，黃土高原半干旱地區(qū)空氣污染預報準確率僅為23.3%，如何提高臭氧濃度預測的準確性，是目前亟待解決的難題。 本文巧妙地將AMRT、CPSO、BP，結合天氣分型，成功的應用到臭氧濃度預測技術中，建立了普適性的臭氧濃度預報模型，使預測精度提高36.2%，為類似問題的解決提供了新途徑。
- 詳細介紹：
- 氣候變化，引起全球天氣異常。臭氧是一種化學活性污染氣體，大氣中的強氧化劑，是危害最嚴重的二次污染物之一。它會危害人類的健康；影響作物和森林的正常生長發(fā)育；造成云雨水的酸化，導致酸雨危害。我國是發(fā)展中國家，改革開放以來工業(yè)生產(chǎn)和經(jīng)濟建設高速發(fā)展，城市人口、汽車數(shù)量迅速增加，煤炭和石油等燃料消耗量的劇增，臭氧前體物排放量不斷增加，臭氧污染問題顯得尤為突出。 蘭州市地處我國黃土高原半干旱地區(qū)一個狹長河谷小盆地內(nèi)，是我國西部的石油化工等工業(yè)的重鎮(zhèn)。不利于擴散的氣候與地理條件，復雜的工業(yè)源和生活源排放，造成城區(qū)的大氣污染比較嚴重，也是我國首次發(fā)生光化學煙霧的城市，臭氧作為光化學煙霧的主要元兇引起了人們的廣泛關注。為此，人們希望能夠盡早知道可能出現(xiàn)的污染程度和污染范圍，以便采取措施，減輕可能出現(xiàn)的嚴重的污染危害。但是目前在黃土高原半干旱地區(qū)蘭州市，空氣污染預報的準確率僅為23.34%，不能滿足人們的需求。 臭氧是二次污染物，采用傳統(tǒng)空氣污染預報方法進行預報，精度較差；大氣化學模式預報，因為天氣過程變化，平流輸送，預報誤差較大。臭氧濃度的預報，成為目前空氣污染預報中的一個難題。 如何提高臭氧濃度預測的準確性，從而提高空氣污染預報的水平？成為了目前的一個研究熱點。 半干旱氣候與環(huán)境觀測站（SACOL）是一個國際級的觀測平臺。下墊面塬面梁峁基本為原生植被，屬于典型的黃土高原地貌。本文選取其觀測數(shù)據(jù)來研究臭氧濃度預測問題，分析計算結果具有很好的代表性、準確性和先進性。 目前人工神經(jīng)網(wǎng)絡由于其強大的非線性映射能力，在臭氧濃度預測的問題上得到了廣泛的應用。但神經(jīng)網(wǎng)絡在使用過程中，很多參數(shù)需要擬定，這些參數(shù)的不確定性直接影響了模型的收斂速度和預測精度。另外，神經(jīng)網(wǎng)絡模型不能反映環(huán)境背景場和下墊面對臭氧濃度變化的影響，一般反映的是較大時空尺度的平均狀態(tài)，很難抓住極端的臭氧高污染事件；通常假設污染源是相對穩(wěn)定的，沒有結合天氣過程，從物理機制上探討臭氧濃度的變化規(guī)律。 本項目研究巧妙地將數(shù)據(jù)挖掘關聯(lián)規(guī)則、混沌粒子群優(yōu)化算法、BP神經(jīng)網(wǎng)絡，結合天氣分型，成功的應用到臭氧濃度預測技術中。 混沌粒子群優(yōu)化算法(CPSO)是一種新興的全局隨機優(yōu)化算法。利用該算法的優(yōu)化性能，實現(xiàn)了神經(jīng)網(wǎng)絡參數(shù)調(diào)整自動化；數(shù)據(jù)挖掘關聯(lián)規(guī)則（AMRT）可以方便的從大量數(shù)據(jù)中，定量表達臭氧濃度與氣象因子的聯(lián)動關系；這樣做有效的克服了神經(jīng)網(wǎng)絡預報模型的自身缺陷。結合天氣分析預報，建立的臭氧預報模型，預測精度比傳統(tǒng)的回歸模型提高了36.2%。經(jīng)完善、檢驗，模型具有普適性。研究方法和預測模型可應用于黃土高原半干旱地區(qū)空氣污染預報的實際業(yè)務中，還可以在相關領域進行推廣和使用。
作品圖片
作品專業(yè)信息
撰寫目的和基本思路
- 目的：臭氧是危害最嚴重的二次污染物之一。由于工業(yè)化和城市化，臭氧前體物排放量不斷增加，臭氧污染問題顯得尤為突出，目前在黃土高原半干旱地區(qū)，空氣污染預報準確率僅為23%，如何提高臭氧濃度預測的準確性，從而提高空氣污染預報的水平，是目前亟待解決的難題。 基本思路： 獲取數(shù)據(jù)，分析數(shù)據(jù)，以數(shù)據(jù)挖掘關聯(lián)規(guī)則、混沌粒子群優(yōu)化算法、神經(jīng)網(wǎng)絡為基礎，結合天氣過程分析建立普適性的臭氧濃度預測預報模型。
科學性、先進性及獨特之處
- 項目研究大膽引入數(shù)據(jù)挖掘關聯(lián)規(guī)則、混沌粒子群優(yōu)化算法、人工神經(jīng)網(wǎng)絡，為黃土高原半干旱地區(qū)臭氧濃度的預報建立了一個普適性模型。思路具有一定的創(chuàng)新性。 選用的研究數(shù)據(jù)具有代表性和準確性，分析計算結果具有很好的代表性、準確性和先進性。在此，不僅采用了先進的數(shù)學模型，而且結合了天氣分型。預測模型可以使目前空氣污染預報的水平有較大的提高，應用于實際預報業(yè)務中，具有較好的推廣價值。
應用價值和現(xiàn)實意義
- 預測近地面臭氧濃度的變化, 可以為研究生態(tài)系統(tǒng)和各種植物對臭氧的響應問題提供依據(jù)。預測臭氧濃度最大值, 一定程度上可以得到城市臭氧產(chǎn)生的影響因子, 給臭氧控制政策的制定提供科學依據(jù)。 將AMRT、CPSO、BP結合，可以解決信號頻率差，影響因素多的非線性函數(shù)逼近問題，得到全局最優(yōu)解，提高預測精度。 普適性模型可以用于空氣污染預報的實際業(yè)務，還可以在相關領域進行推廣和使用。
學術論文摘要
- 由于工業(yè)化和城市化的迅速發(fā)展，汽車尾氣的肆意排放和一些不合理的資源利用，臭氧前體物排放量不斷增加，臭氧污染問題顯得尤為突出，使得區(qū)域生態(tài)平衡遭到破壞，威脅人類健康。臭氧還是光化學煙霧的主要成分,已成為危害最嚴重的二次污染物之一。目前在黃土高原半干旱地區(qū)蘭州市，空氣污染預報的準確率僅為23.34%，因此，如何提高臭氧濃度預測的準確性，從而提高空氣污染預報的水平，是目前亟待解決的一個難題。本文選取黃土高原半干旱地區(qū)2007年6月-2009年8月的大氣成分觀測、梯度塔觀測、輻射觀測數(shù)據(jù)，常規(guī)MICAPS資料。在分析黃土高原半干旱地區(qū)臭氧濃度變化特征的基礎上，結合數(shù)據(jù)挖掘關聯(lián)規(guī)則（AMRT）、混沌粒子群優(yōu)化算法(CPSO)、BP神經(jīng)網(wǎng)絡、天氣分型，建立了一個普適性的臭氧濃度預測預報模型，使預測精度提高了36.2%，實現(xiàn)了黃土高原半干旱地區(qū)臭氧濃度的預報。研究方法和預測模型可應用于空氣污染預報的實際業(yè)務中。相關論文已經(jīng)在EI期刊發(fā)表。
獲獎情況
- 1.部分成果已經(jīng)以論文形式在EI核心收錄期刊發(fā)表，題目：Prediction of ozone concentration using BP neural network with a novel hybrid training algorithm, 期刊名稱：2010 Sixth International Conference on Natural Computation, 頁碼: 4176-4179。 2.相關文章已投到SCI期刊Knowledge based system，三審中。近期投出SCI論文于：Ecological model。 3.本省“挑戰(zhàn)杯”大學生課外學術科技作品競賽一等獎。 4.2009年本校創(chuàng)新創(chuàng)業(yè)行動計劃成果一等獎。2010年本校創(chuàng)新創(chuàng)業(yè)重點項目支持。
鑒定結果
- 論文思路新穎，巧妙地將數(shù)據(jù)挖掘關聯(lián)規(guī)則、混沌粒子群優(yōu)化算法、BP神經(jīng)網(wǎng)絡，結合天氣分型，成功的應用到臭氧濃度預測技術中，建立了普適性的臭氧濃度預報模型，提高了預測精度，為類似問題的解決提供了新途徑。
參考文獻
- [1] Alain-Louis Dutot , Joseph Rynkiewicz.A 24-h forecast of ozone peaks and exceedance levels using neural classifiers and weather predictions [J], Environmental Modelling & Software 22 (2007) 1261-1269. [2] Jeong-Sook Heo, Dong-Sool Kim. A new method of ozone forecasting using fuzzy expert and neural network systems [J]. Science of the Total Environment 325 (2004) 221–237. [3] Wang D.，LuW.2.，2006.Ground-level ozone prediction using multilayer perception trained with an innovative hybrid approach [J]. Ecological Modeling，198，332-340. [4] 王勤耕,夏思佳,萬祎雪,金龍山,當前城市空氣污染預報方法存在的問題及新思路[J],環(huán)境科學與技術，2009,32(3)：189-192. [5] E. Balaguer Ballester et al. Effective 1-day ahead prediction of hourly surface ozone concentrations in eastern Spain using linear models and neural networks [J]. Ecological Modelling 156 (2002) 27-41. [6] Milionis A.，1994.Davies T. Regression and stochastic mode1s for air pollution-I .Review，comments and suggestions [J] .Atmospheric Environment，28，2801一2810.
同類課題研究水平概述
- 1、臭氧的危害 臭氧是一種化學活性污染氣體，大氣中的強氧化劑，是危害最嚴重的二次污染物之一。它會危害人類的健康；影響作物和森林的正常生長發(fā)育；造成云雨水的酸化。由于工業(yè)化和城市化的迅速發(fā)展，汽車尾氣的肆意排放和一些不合理的資源利用，臭氧前體物排放量不斷增加，臭氧污染問題顯得尤為突出。 2、現(xiàn)今空氣污染預報業(yè)務中臭氧濃度預報的困難所在 目前空氣污染預報一般認為大氣污染物分布，主要取決于污染物的源排放和當時的氣象條件，基于物理化學過程的確定性預報方法進行數(shù)值預報。但是臭氧在對流層中是一種比較特殊的污染物，在碳氫化合物和氮氧化物的參與下，通過光氧化反應產(chǎn)生，屬于二次污染物，沒有比較明顯的污染源。 大氣化學模式是預報二次污染物的一種有效方法。但許多研究表明，由于各種天氣動力過程，對流層頂折疊，引發(fā)平流層與對流層交換，使平流層臭氧大量輸入對流層。使單純運用大氣化學模式預報存在較大誤差。 以上多種原因使得臭氧濃度的預報，成為空氣污染預報中的一個難題。目前在黃土高原半干旱地區(qū)蘭州市，空氣污染預報準確率僅為23.34%，如何提高臭氧濃度預測的準確性，從而提高空氣污染預報的水平，是目前亟待解決的難題。 3、國內(nèi)外對于臭氧濃度預報的研究現(xiàn)狀 目前，國內(nèi)外預測臭氧濃度多采用統(tǒng)計模型，如人工神經(jīng)網(wǎng)絡、時間序列等。人工神經(jīng)網(wǎng)絡由于其強大的非線性映射能力，在臭氧濃度預測的問題上得到了廣泛的應用。但神經(jīng)網(wǎng)絡在使用過程中，很多參數(shù)需要擬定。這些參數(shù)的不確定性直接影響了模型的收斂速度和預測精度。另外，使用神經(jīng)網(wǎng)絡預測臭氧濃度，作為一種黑箱方法，在氣象理論方面的缺陷也十分明顯。首先，神經(jīng)網(wǎng)絡模型不能反映環(huán)境背景場和下墊面對臭氧濃度變化的影響。其次，該方法通常假設污染源是相對穩(wěn)定的，沒有結合天氣過程，從物理機制上探討臭氧濃度的變化規(guī)律。第三，在氣象中，神經(jīng)網(wǎng)絡模型一般反映較大時空尺度的平均狀態(tài)，很難抓住極端的臭氧高污染事件。由此可見，要想有效提高臭氧濃度預測預報精度，必須對神經(jīng)網(wǎng)絡模型的參數(shù)選擇進行優(yōu)化，并將優(yōu)化后的模型和天氣分析預報結合使用。 目前信息技術和數(shù)學方法發(fā)展較快，因此，如何將實時的氣象觀測數(shù)據(jù)、天氣分型、新的信息技術、新的數(shù)學方法結合起來，建立一個普適性的臭氧濃度預報模型，提高預測精度從而提高空氣污染的預報水平，成為了目前研究的一個新方向。
