论文部分内容阅读
雾霾问题不仅困扰着我国民众,在国际上也引到了广泛关注,目前世界各个国家对大雾天气以及PM2.5的预测、防治均有不同程度的研究。但是对雾霾的研究还处于摸索的阶段。而频繁出现的雾霾天气在冲击着我们日常生活与社会经济的同时,甚至破坏到了我国可持续发展的宗旨。由于各地气候不同和地势差异的影响,同一雾霾预测软件预测不同地区的雾霾情况时,预测的结果却不能准确地反映当地的雾霾天气状况,所以建立能够准确预报局部地区雾霾天气的预测模型是当务之急。本文是在MATLAB环境下,对2013年长春市两个月的气象五因子和环境空气六参数的浓度值进行统计分析,且以PM2.5的浓度值作为界定空气质量是否优良的基准来建立雾霾的预测模型和扩散模型以分析和测评空气质量。本文的具体工作如下:1、建立了基于卡尔曼滤波偏差调整的ARIMA—GM雾霾预测模型。针对已有预报系统仅用单因子判别雾霾的问题和单一预测模型预测误差校正的不确定性以及使预测值更加的逼近真实值的问题,设计了基于卡尔曼滤波偏差调整的ARIMA—GM雾霾预测模型。卡尔曼滤波偏差调整的ARIMA—GM模型是指用时间序列ARIMA模型和高斯-马尔科夫模型单独预测的PM2.5浓度值作为卡尔曼滤波偏差调整的期望值和初始值来进行预测误差调整的模型。2、提出了雾霾类似点源扩散模型。为了验证风力对雾霾天特征因子的影响,同时也是为了使预测模型实用化,建立扩散消失模型并对雾霾的扩散趋势仿真模拟。3、应用设计的雾霾预测模型实现对长春地区雾霾时序的预测。为显示此模型能使预测状态更加的逼近真实值,给出一次预测后经卡尔曼偏差调整的雾霾预测结果与单个雾霾预测模型预测结果的对比。4、用扩散模型分析验证风力影响下的PM2.5浓度变化趋势并仿真模拟雾霾的扩散消失。5、论述了如何以此模型为基础建立雾霾预测系统。为求得此雾霾预测模型的预报准确率,采用改进的卡尔曼滤波偏差调整的预测模型对选定的长春雾霾序列进行回滚预测。模型的建立源于生活,也服务于生活。对任何事物发展规律的预测模拟都是为了趋利避害。当然对雾霾的预测也不列外。所以在雾霾频发的当下,人们外出活动都得全面武装。为了使雾霾对身体的负面影响降到最低,建立雾霾预测和扩散消失模型,定量预测雾霾浓度的同时分析判断雾霾消散的大概时间,为人们在雾霾天的出行给出可以安全出行的消息通知。