基于深度学习的PM2.5预测模型建立
崔相辉1 谢剑锋2 张 丰2 丁 琳3 李增顺3 郝震寰3 刘 勇3 赵起超4
【摘 要】[摘 要] 本文以京津冀地区为例,选择大气气溶胶光学厚度AOD(Aerosol Optical Depth)和气象参数为影响因子,建立基于深度置信网络DBN(Deep Belief Nets)的PM2.5预测模型,对PM2.5进行有效预测,并与BP神经网络预测结果对比,最后形成整个京津冀地区的PM2.5预测专题图。实验结果表明基于深度学习的置信网络对PM2.5浓度预测效果比BP神经网络更佳,预测精度有较大提高。 【期刊名称】北京测绘 【年(卷),期】2017(000)006 【总页数】6
【关键词】[关键词] 深度学习; 深度置信网络; PM2.5; 气溶胶光学厚度; 气象参数
0 引言
二十世纪之后,随着工业化步伐的加快,我国的环境问题愈发不乐观,环境污染问题愈发严重,特别是空气、水等与人们生活密切相关的方面[1]。近年来,雾霾天气更成了人们越来越关注的环境问题。雾霾天气给人们生活带来了严重影响,能够引发呼吸系统、心脑血管等疾病,造成能见度不足,影响道路交通,雾霾颗粒中携带的病毒、细菌等微生物还可导致疾病的传播[2]。PM2.5(空气动力学等效直径等于或小于2.5微米的大气颗粒物)作为空气污染的首要污染物,是评价空气质量的重要标准。PM2.5不仅能降低大气能见度,显著减少日照时间[3],还会改变气温和降水模式,导致雾天增多,对人体健康造成严重危害。PM2.5作为雾霾的
元凶,对其质量浓度的准确预测,是做出大气管理决策的重要依据[4]。空气质量监测部门可以根据PM2.5的预测及时掌握空气质量状况和变化趋势,分析人类活动对PM2.5浓度的影响,完善空气质量控制系统理论,有利于相关部门对空气质量监测制定战略计划。
对PM2.5质量浓度预测,西方发达国家早在二十世纪五十年代就已经起步,六十年代开始对空气质量的定性分析[5]。1989年荷兰开始研究空气质量浓度预测方法,并逐步在全国范围内建立试点;1996年W.Gardner,S.R.Dorling使用神经网络构建模型对伦敦市空气污染物进行预测,通过比较证明其结果要优于回归模型;2004年Ruiz_Susear.J.C等人采用BAM和HAM两种神经网络模型对墨西哥空气中O3浓度进行了预测,结果两种预测方式都有较好的预测结果。我国在空气污染物预报领域起步较晚,大约开始于二十世纪八十年代,北京、天津等城市首先开始了空气污染物预报的研究,并取得了一定成果。2002年王俭使用BP神经网络将大气污染物和气象要素作为输入量,对大气污染物SO2含量进行预报,证明了训练后的BP神经网络具有一定的泛化能力;2007白晓平等人针对SO2预测问题,使用温度、湿度、风速、降雨和污染因子作为输入因子建立BP神经网络预测模型;夏小鹏利用状态回声网络,对北京市2013年每月PM2.5日均污染浓度进行预测,取得了不错的预测效果[6]。孙荣基等针对BP神经网络进行空气污染预测收敛速度慢和学习过程中可能出现的过拟合问题,提出了利用主成分分析和提前终止训练法进行改进,提高了预测精度和泛化能力[7]。
早期PM2.5预测方法多为回归分析,建立影响因素与污染物的回归方程;随后兴起了BP神经网络、支持向量机等机器学习预测方法,BP网络和支持向量机都为浅层的学习方法,无法学习到数据间本质的特征关系,在预测精度方面存在不足。
本文以京津冀重污染区域为研究区,根据近几年迅速发展的深度学习理论,采用深度置信网络DBN(Deep Belief Nets),通过对大样本数据的深度学习,更好地挖掘PM2.5与影响因子间的本质关系,提高了PM2.5的预测精度[8]。
1 研究区概况和数据源
1.1 研究区概况
京津冀地区位于我国华北区域,是华北重要的经济、工业、文化重地,位于东亚大陆的东部,东北亚中国地区环渤海心脏地带,是中国北方经济规模最大、最具活力的地区,四季分明,夏季炎热多雨,冬季寒冷干燥,春秋短促。京津冀城市包括北京市、天津市以及河北省的保定、廊坊、唐山、张家口、承德、秦皇岛、沧州、衡水、邢台、邯郸、石家庄等11个地级市和安阳市,土地面积21.8万平方公里。近年来,中国部分地区空气污染日益严重,特别以京津冀为代表地区,雾霾影响更为严重。本文以京津冀为研究区域,建立DBN网络形成对PM2.5长期有效的预测模型。 1.2 数据源选取
所用数据源由三部分组成,分别为大气气溶胶光学厚度AOD、颗粒物PM2.5、气象参数数据,具体数据参数如表1所示,PM2.5和气象参数来源于站点观测,MODIS AOD数据产品为京津冀区域面范围数据。表2 为2014-2016年数据统计分析,PM2.5最高值达到739 μg/m3,能见度最小值为0.3km,可见PM2.5能大幅度降低能见度。 1.2.1 大气气溶胶光学厚度
大气气溶胶光学厚度数据来源于MODIS气溶胶产品,MODIS共提供两种气溶胶光学厚度产品,分辨率分别为10千米和3千米。本文研究范围为京津冀地区,
基于深度学习的PM2.5预测模型建立
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)