论文部分内容阅读
近年来,我国空气污染事件愈加频发,高浓度雾霾事件经常袭击我们的城市,人们也越来越关注赖以呼吸的空气环境质量,此时,PM2.5作为空气中重要污染物频繁进入人们视线之中。全国各地都加强了对空气质量的监测,由于PM2.5的危害在空气污染物质中占首位,对人体伤害极大,对其的预测研究迫切需要。建立一个准确可行的PM2.5预测系统可以帮助人们提高对空气污染的预防,并对国家相关部门制定空气污染防治政策提供一定的参考。本论文一开始阐述了建立PM2.5预测系统设计的选题背景与研究意义,并参考了国内外众多学者在空气质量方面的检测以及预测模型上的研究,发现在预测模型上各类方法均有其优缺点,其中,由于BP神经网络模型在非线性预测上有很强的优势,且模型架构简单实用,在这方面的预测用的最多。本文基于BP神经网络模型建立了基于云平台的预测系统,利用现有的PM2.5的数据以及风速、温度、湿度为输入因子进行预测实验,然后实时PM2.5信息和预测PM2.5变化趋势向用户展示,并为用户发出信息为大众的出行与运动提供建议,并为环保部门环保政策的实施提供建议。本文主要做了以下工作:1、PM2.5知识的学习:对空气质量污染的成分组成,PM2.5的形成原因以及检测方法进行学习,同时对BP神经网络模型在空气质量预测上的国内外研究进行优缺点分析。2、需求分析:用易使用、易拓展、易维护、易复用的设计理念来设计系统功能,实现以下十个城市(北京、上海、广州、深圳、杭州、天津、成都、南京、西安、武汉)的实时雾霾数据分析、雾霾预测、天气预测以及消息推送四个功能。3、系统搭建:在OpenStack云平台搭建多个虚拟云主机,以及使用Spark框架对数据进行并行计算,运用BP神经网络,通过前一日的PM2.5浓度、风速、温度和湿度对当日的PM2.5进行预测。实验结果表明,本PM2.5预测系统可以有效的对PM2.5浓度变化趋势进行预测,误差相对较小。