您当前的位置:
首页 > 文献资料
所属专业:
卡尔曼预测文献资料
-
基于微区域PM2.5浓度卡尔曼插值预测模型的研究
目前颗粒物(尤其是PM2.5)污染问题日趋严重,人们对其关注度越来越高.本文提出一种结合三次样条插值方法的卡尔曼预测模型并将其应用于微区域校园环境PM2.5浓度的预测,以及实现PM2.5浓度的插值模拟图,模拟PM2.5的空间分布.本文实验基于实验室已搭建的环境信息监测系统服务器数据,其PM2.5浓度数据预测值和实际值通过Wilcoxon带符号秩检验后,双侧渐进显著性概率为0.527,远大于显著性水平α=0.05.同时,与神经网络模型预测方法(BP预测)和支持向量机预测方法(SVM预测)对比,卡尔曼预测模型的结果更理想,其日均值PM2.5浓度数据预测值和监测值的平均绝对误差(MEA)为1.8 μg/m3,平均相对误差(MER)为6%,相关系数R为0.87.实验结果表明:卡尔曼预测模型能有效地用于PM2.5浓度预测,结合样条插值方法可以较好地模拟PM2.5的空间分布及局部污染特征.