【摘 要】
：
环境细颗粒物（PM）对健康的影响已经被全球广泛研究了几十年,PM被列为全球导致人口死亡和残疾的第六大危险因素。PM2.5与PM10与各种短期和长期健康不良影响有关,可吸入颗粒物会被人体吸入并积累在人体中,沉积在呼吸道中,并进入肺泡等部位,引发多种疾病,对人体健康造成严重危害,长时间暴露于高浓度的环境细颗粒物中甚至会引起死亡,中国每年因为PM污染导致的过早死亡人数在165万至219万之间。近年来,环
论文部分内容阅读
环境细颗粒物（PM）对健康的影响已经被全球广泛研究了几十年,PM被列为全球导致人口死亡和残疾的第六大危险因素。PM2.5与PM10与各种短期和长期健康不良影响有关,可吸入颗粒物会被人体吸入并积累在人体中,沉积在呼吸道中,并进入肺泡等部位,引发多种疾病,对人体健康造成严重危害,长时间暴露于高浓度的环境细颗粒物中甚至会引起死亡,中国每年因为PM污染导致的过早死亡人数在165万至219万之间。近年来,环境细颗粒物浓度预测受到了各方学者的关注,各界学者致力于对多种环境细颗粒物浓度进行预测,以减轻环境细颗粒物给经济、社会和人体健康造成的危害。对环境细颗粒物浓度进行准确预测不仅对环境、气候、生态系统、公共健康具有重要意义,还可以帮助城市环境管理者进行更好的决策,给政府部门制定合理措施提供理论依据和技术支撑,降低公众暴露于高浓度污染物的风险。本文以北京市和武汉市两地的PM2.5和PM10浓度作为研究对象,构建了OP-FL-RUN-Deep AR模型对环境细颗粒物浓度进行预测。全文主要分为以下几个部分:第一部分,详细介绍了本文的研究背景与意义,对国内外研究现状进行介绍,并说明本文主要研究内容和创新点。第二部分,介绍了RUN优化算法和Deep AR模型的理论基础。第三部分,对原始的RUN算法进行改进以提升RUN算法的性能,采用反向对立学习和基于适应度的学习机制对RUN算法进行改进,提出OP-FL-RUN算法,并采用基准函数将OP-FL-RUN优化算法和原始的RUN算法进行比较,证明OP-FL-RUN优化算法的性能。第四部分,使用OP-FL-RUN算法对Deep AR模型的初始权值进行优化,将Deep AR模型和OP-FL-RUN优化算法相结合,对PM2.5和PM10浓度进行点预测和区间预测。通过OP-FL-RUN优化算法对Deep AR模型初始权值的优化,提升Deep AR模型对PM2.5和PM10浓度点预测精度,并提升预测区间的的覆盖率、降低带宽和偏差。本文的贡献在于:（1）使用反向对立学习来提升RUN算法初始种群的种群质量和多样性,并采用了基于适应度的学习机制来平衡算法在搜索过程中进行全局搜索和局部搜索的行为,以提升RUN算法的收敛速度和跳出局部最优的能力;（2）采用Deep AR模型对环境细颗粒物浓度进行预测,同时得出环境细颗粒物浓度的点预测和区间预测结果;（3）采用改进的OP-FL-RUN算法对Deep AR模型的初始权值进行优化,提高训练速度,并用OP-FL-RUN-DeepAR模型对多个环境细颗粒物浓度数据集进行预测。
其他文献
在世界经济放缓、新冠肺炎疫情反复、各国贸易摩擦日趋严重的多重考验下,我国无论是上市企业、中小微企业还是金融机构,都面临着前所未有的挑战,尤其是各大企业面临的融资约束困境更是逐渐加剧,虽然国家、各级相关部门出台的相关政策层出不穷,如全力优化营商环境、加大调节财政政策及货币政策的力度,完善已有的企业统计制度等,但政策难落实、机制问题难突破等问题依然突出。一方面是企业急需投资贷款渡过难关,一方面又是外界
随着AI和5G时代的到来,智能可穿戴设备在人们的生活中的应用场景越来越广泛,如今,万物互联思想深入人心,作为近年全球销量年年增长的可穿戴设备之一的TWS耳机摆脱了曾经有线的束缚并且有携带方便、智能降噪等优点,受到了广大消费者的青睐。同时,网络购物逐渐成为人们的一种生活习惯,由于电子产品的自身复杂的属性以及电商平台的规范化管理和七天无理由退货政策,比起线下实体店,消费者更愿意在网上购买电子产品。用户
农村经济正处于快速发展时期,“三农”问题一直以来都是关乎我国人民生活的重要事。在十九大上习总书记提出了乡村振兴战略,并提出建设新农村的新目标,为了建设新农村必须促进农村金融发展,国家需要提供强有力的资金及政策支持。十九大之后中共中央、国务院印发了《乡村振兴战略规划》,这一文件的颁布代表着我国将农村工作重心放在乡村振兴战略上。本文研究目标为得到乡村振兴战略提出前后的农村金融资源配置效率,并针对农村金
股票长期以来都是万千民众喜好的理财方式,由于我国股市有效性不强且股票价格变动存在一定的运动规律,因此被认为其股票走势是可以预测的,于是各种量化方法被应用于股票预测中,为股民进行股票交易提供了参考依据。近些年来机器学习与深度学习算法的蓬勃发展给股票预测量化手段提供了新的思路,其中LSTM神经网络算法能够有效处理长短期金融时间序列数据,且算法十分关注模型的准确性;而XGBoost算法在分类、回归、预测
随着智能手机的发展,网购逐渐成为了人们日常购物的主要方式,充分利用用户在平台的行为反馈信息,挖掘信息中的价值是近年来大数据领域的研究趋势。许多学者通过用户基本特征信息建立机器学习模型,探究其行为是否发生或预测再次发生的回归时间,还有研究者通过海量数据建立用户画像,运用推荐算法提高用户的购买转化率,从而提高平台的收入。而少有学者从时间变化的动态角度去探究用户行为的激励关系,通常认为历史事件的发生会对
在全球经济增速放缓的大背景下,再叠加席卷世界的新冠疫情,中国就业形势十分严峻。而随着互联网浪潮的兴起,中国网民的数量急剧增长,这极大地促进了互联网招聘行业的发展,使用求职类应用软件的求职者也在与日俱增,互联网技术的最大优势在于信息传递的快速性和无限性,人们可以足不出户就了解到远在千里之外的招聘信息。求职类应用软件的招聘信息数量庞大,更多的选择性被赋予了求职者,他们可以认真浏览仔细挑选,直到找到自己
随着经济全球化的发展,中国股票市场也在不断发展,深圳交易所和上海交易所的股票相关制度不断的完善,我国上市公司的数量越来越多,中国股票市场呈现为错综复杂的关系网络。股票市场的本质是一种复杂系统,股票之间相互影响、相互作用,形成了股票市场的生态和价格演化过程。而复杂网络的其在建模真实数据结构时表现出的灵活性和普适性,复杂网络就成为研究股票市场的利器。目前,运用复杂网络的技术方法探索股票网络的物理结构和
近年来,比特币作为一种数字加密货币,受到了媒体、学术界以及监管机构等各方的关注。从2010年比特币第一次交易至今,其价格上涨了100万倍以上,众多学者通过定量和定性分析的方法得出比特币价格存在泡沫的结果。比特币交易市场的有序运行对金融市场的发展具有重要价值,泡沫破裂会对金融市场的发展造成较大影响,因此需要对比特币价格泡沫进行测度和预警。本文基于现有的比特币价格泡沫理论,选取了2013年1月1日至2
随着数字化进程不断推进,大量企业在加速各类流程自动化的过程中逐渐引用数据库、云存储等技术平台,积累了大量客户数据。由于大数据技术逐渐成熟,一些企业开始从客户数据中挖掘有用信息,以指导企业更好地运营。目前,市场竞争日趋激烈,同行业的产品同质化现象日益严重。客户成为企业赢得市场先机的重要资源。在产品同质化背景下,客户占据绝对的主导地位,一旦企业无法满足其需求或者有更优的替代选择,就很容易导致客户的流失
目前,我国经济正处于快速发展阶段,证券市场欣欣向荣,上市公司层出不穷,但相关审查机制和监管法规相对不够完善,导致上市公司财务舞弊行为频发,虽然目前采取的监管措施在一定程度上减少了财务舞弊的发生,但财务舞弊依然是近几年监管部门的心头大患。企业为了谋取自身利益从而通过某些不正当的手段进行财务舞弊不仅影响上市公司自身的发展,让公司时刻面临着停市的风险,还影响公司内外各利益相关者的权益,阻碍了我国资本市场