论文部分内容阅读
近年来,我国多地区雾霾频发,对人们的健康和社会发展造成了严重的影响。作为雾霾中危害最大的成分—PM2.5能够长期悬浮在空气中,被吸入到人体中容易引起心血管系统和呼吸道等一系列疾病。当雾霾发生时颗粒物浓度增加会引起大气水汽的变化,进而会引起对流层延迟的变化。GPS探测大气水汽有着实时、不受天气影响,精度高等优点。因此利用GPS技术建立高效的PM2.5预测模型对于雾霾的预防和治理有着极其重要的意义。本文以北京地区为例,利用精密单点定位反演大气水汽的方法反演出天顶对流层延迟ZTD和大气可降水量PWV,结合大气污染物数据和气象数据建立融合小波分解和主成分分析的改进GS-SVM模型对PM2.5预测。本文的主要研究内容如下:1.分析了影响精密单点定位技术解算天顶对流层的几大因素,分别讨论了卫星高度截止角、卫星星历和钟差、映射函数对解算ZTD的影响,验证了实时的星历钟差产品的精度能够满足实时的大气水汽反演应用的需求。2.分析了四季PM2.5和ZTD/PWV、大气污染物和气象条件之间的关系,结果表明:PWV和PM2.5在夏季相关性较低,其余三个季节均呈现着较强的正相关性;ZTD在春季和PM2.5存在着负相关性,其余的三个季节均呈现正相关性;在四个季节中从整体上看PM2.5和SO2、NO2、CO呈正相关性,而和O3呈负相关性;PM2.5和风速、气压和降水呈现出负相关的关系,和温度、相对湿度、露点温度呈现出正相关的关系,当雾霾频发的时候风向主要为西南风和南风。3.通过粗搜索和精细搜索结合的方法对网格搜索算法进行改进,实验结果表明改进的GS-SVM有效的提高了搜索效率。先后利用PWV、PWV结合气象因素建模、综合PWV、气象因素建模以及空气污染物建立改进的GS-SVM,实验结果表明通过这三种方式建立模型的精度依次递增,说明加入更多影响因子有利于提高模型的预测精度。4.建立基于小波分解和主成分分析的改进GS-SVM组合模型,和改进的GS-SVM模型相比,在春夏秋冬四季中,组合模型的MAE和RMSE均低于改进的GS-SVM模型,有效的提高了PM2.5的预测精度。