论文部分内容阅读
随着经济的快速发展,我国的环境问题也面临着巨大的压力。大气环境质量对人类的生活和工作产生的影响越来越大,且近年来我国部分地区空气污染严重。其中空气污染物有高浓度的小颗粒物PM2.5和PM10,近地面层的臭氧等这些污染物频频造成大范围,持续时间长的空气污染事件。因此对空气质量相关的研究是很重要且具有现实意义的。本文以邯郸市2014-2017年4年的空气质量数据为依据,对其空气质量变化情况进行分析,并对质量指数评价采用机器学习算法进行了分类预测评价。首先,本文对邯郸市的日均空气质量指数AQI进行了年度时序分析。根据统计数据和走势图对各年空气质量进行综合对比,得出4年中空气质量都呈现出了年初和年终空气质量污染严重,走势为两端振幅大。每年中期空气质量好,走势为中间低而平缓。第二,为了进一步对空气质量进行分析,本文采用四种聚类分析方法来分析邯郸市空气质量变化是否具有季节性特性。从四种聚类结果看,按季节划分三类较为合适,即冬季为一类;秋季为一类;春季和夏季为另一类。然后基于EMD经验模态分解法对邯郸市空气质量指数进行时序分解,通过分解出的不同频率图得出其变化具有一定的周期规律,且邯郸市空气质量整体趋向好转。第三,统计4年间每日的首要空气污染物出现的频率,获得PM2.5、PM10和臭氧位列前三位,进一步的采用层次分析法(AHP)计算出各污染物在对空气质量影响的所占权重。其中,二氧化硫比重为0.0402、一氧化碳比重为0.0314、二氧化氮比重为0.0669、PM10比重为0.2568、臭氧比重为0.1489、PM2.5比重为0.4558。第四,通过使用C5.0决策树、CART分类及回归树、ANN人工神经网络等多种人工智能算法和基于SPASS Molder的综合模型等分别根据空气污染物建立邯郸市与空气等级的智能评价模型,根据算法模型对邯郸市的空气质量进行分类预测,并对各预测结果进行分析和总结,得出C5.0和综合模型的整体分类效果较好。