论文部分内容阅读
近年来,中国经济得到了飞速发展,但与此同时环境问题也日益凸显出来。为了更好地反映空气污染变化趋势,加强空气污染预防管理工作,预防严重空气污染事件发生,对空气质量和污染源排放的污染气体进行预测分析、数据异常判断意义重大。本文的主要工作有:(1)PM2.5等级预测和浓度值预测在进行PM2.5等级预测时,使用马尔科夫链对PM2.5浓度值与前几个小时PM2.5浓度值相关性进行研究分析,预测分析PM2.5污染等级。然后为了进一步预测PM2.5浓度的具体值,本文使用随机森林对PM2.5浓度的具体值进行了预测。分析结果表明,在预测PM2.5污染等级时,马尔科夫链准确性较高。在使用机器学习中随机森林方法可以对PM2.5浓度的具体值进行预测,且预测结果好。(2)污染源污染物浓度值预测和污染源污染物浓度值异常判断为了更好地预防空气污染的发生,本文对污染源企业的污染气体的排放情况进行了预测分析。本文使用了小波神经网络对污染源企业排放的二氧化硫、氮氧化物浓度进行了预测。为了判断企业提供的污染物数据的真实性,本文使用基于密度的局部离群点分析算法对污染源污染气体浓度值进行异常判断,判断企业提供的污染气体数据是否存在可疑的地方。(3)污染物的空间分布为了了解污染气体对空气质量的影响,本文在现有监测数据的基础上,利用AERMOD模型对污染物的扩散进行分析,然后使用克里金法对得到的大气扩散模拟结果进行插值渲染,最后使用ArcGIS将每家污染源企业排放的污染物在空间上的分布扩散进行了视图展示。从而可以直接了解到污染气体对空气质量的影响。(4)系统实现本文最后对所研究讨论的模型进行了软件设计和实现。该系统软件基于.NET平台,采用WinForm技术进行开发,开发过程中采用面向对象的思想进行开发,本系统软件所使用的是编程语言是C#。该系统可以直观地显示PM2.5预测结果,企业污染物排放浓度的预测结果,污染物排放浓度数据的异常判断结果,污染物在空间上的分布情况。