论文部分内容阅读
现阶段我国空气质量形势依然严峻,空气质量也成为各地区执政能力的评判因素。因此建立长期有效的空气质量预警系统成为了一个热点问题。传统方式下的空气质量预警研究仅仅针对了空气质量中的六种主要污染物,忽略了诸如气象、机动车等影响因素对空气质量的影响。针对这些问题,本研究提出一种基于灰色支持向量机的空气质量预警方法,使用Java语言并结合WebGIS技术建立一种新的空气质量预警系统。本文以陕西省资源环境承载力项目为依托,结合西安市近年的空气质量状况,以2013年-2017年的西安市空气质量影响因子的年均数据为基础,使用模糊数学综合评价法对PM2.5、PM10、SO2、CO、NO2、O3进行评价,分析西安市空气质量的主要污染物;通过灰色关联度分析空气状况,对大气6种主要污染物、6种气象因素、机动车保有量进行全面评价。根据灰色关联度分析得出各空气质量影响因子与空气质量指数的关联度,对各影响因子的关联度进行排序。在本次研究中最终选取细颗粒物、可吸入颗粒物、二氧化氮、平均气温、一氧化碳和日照时间六种主要空气质量影响因素进行灰色理论GM（1,1）建模。通过修正灰色理论模型分辨率,加入预置偏移参数得到的改进模型与原始模型进行对比,发现改进的灰色理论预测模型精度有显著提升。使用改进模型对6种关联度评价最高的空气质量影响因素分别进行建模,得到6种影响因子未来三年的年均值。使用样本数据对支持向量机（Support Vector Machine,SVM）模型进行监督学习,交叉验证发现调节后的SVM模型的预测精度可以达到90%以上,说明该SVM模型的可信度很高,结合SVM模型对西安市未来三年的空气质量进行分类,并得到西安市2018年-2020年的空气质量年度等级,使用2018年西安市国家监测点数据对预警结果进行检验。最后,通过Java服务器前后端开发并结合WebGIS的技术开发完成空气预警系统的搭建,实现数据的管理,对预警结果进行可视化展示。