基本信息
- 项目名称：
- 基于AMRT-CPSO-BP对黄土高原半干旱地区臭氧浓度预报的探索与实现
- 来源：
- 第十二届“挑战杯”作品
- 小类：
- 能源化工
- 大类：
- 自然科学类学术论文
- 简介：
- 气候变化，引起全球天气异常。臭氧是危害最严重的二次污染物。由于工业化和城市化，臭氧污染问题显得尤为突出，黄土高原半干旱地区空气污染预报准确率仅为23.3%，如何提高臭氧浓度预测的准确性，是目前亟待解决的难题。 本文巧妙地将AMRT、CPSO、BP，结合天气分型，成功的应用到臭氧浓度预测技术中，建立了普适性的臭氧浓度预报模型，使预测精度提高36.2%，为类似问题的解决提供了新途径。
- 详细介绍：
- 气候变化，引起全球天气异常。臭氧是一种化学活性污染气体，大气中的强氧化剂，是危害最严重的二次污染物之一。它会危害人类的健康；影响作物和森林的正常生长发育；造成云雨水的酸化，导致酸雨危害。我国是发展中国家，改革开放以来工业生产和经济建设高速发展，城市人口、汽车数量迅速增加，煤炭和石油等燃料消耗量的剧增，臭氧前体物排放量不断增加，臭氧污染问题显得尤为突出。 兰州市地处我国黄土高原半干旱地区一个狭长河谷小盆地内，是我国西部的石油化工等工业的重镇。不利于扩散的气候与地理条件，复杂的工业源和生活源排放，造成城区的大气污染比较严重，也是我国首次发生光化学烟雾的城市，臭氧作为光化学烟雾的主要元凶引起了人们的广泛关注。为此，人们希望能够尽早知道可能出现的污染程度和污染范围，以便采取措施，减轻可能出现的严重的污染危害。但是目前在黄土高原半干旱地区兰州市，空气污染预报的准确率仅为23.34%，不能满足人们的需求。 臭氧是二次污染物，采用传统空气污染预报方法进行预报，精度较差；大气化学模式预报，因为天气过程变化，平流输送，预报误差较大。臭氧浓度的预报，成为目前空气污染预报中的一个难题。 如何提高臭氧浓度预测的准确性，从而提高空气污染预报的水平？成为了目前的一个研究热点。 半干旱气候与环境观测站（SACOL）是一个国际级的观测平台。下垫面塬面梁峁基本为原生植被，属于典型的黄土高原地貌。本文选取其观测数据来研究臭氧浓度预测问题，分析计算结果具有很好的代表性、准确性和先进性。 目前人工神经网络由于其强大的非线性映射能力，在臭氧浓度预测的问题上得到了广泛的应用。但神经网络在使用过程中，很多参数需要拟定，这些参数的不确定性直接影响了模型的收敛速度和预测精度。另外，神经网络模型不能反映环境背景场和下垫面对臭氧浓度变化的影响，一般反映的是较大时空尺度的平均状态，很难抓住极端的臭氧高污染事件；通常假设污染源是相对稳定的，没有结合天气过程，从物理机制上探讨臭氧浓度的变化规律。 本项目研究巧妙地将数据挖掘关联规则、混沌粒子群优化算法、BP神经网络，结合天气分型，成功的应用到臭氧浓度预测技术中。 混沌粒子群优化算法(CPSO)是一种新兴的全局随机优化算法。利用该算法的优化性能，实现了神经网络参数调整自动化；数据挖掘关联规则（AMRT）可以方便的从大量数据中，定量表达臭氧浓度与气象因子的联动关系；这样做有效的克服了神经网络预报模型的自身缺陷。结合天气分析预报，建立的臭氧预报模型，预测精度比传统的回归模型提高了36.2%。经完善、检验，模型具有普适性。研究方法和预测模型可应用于黄土高原半干旱地区空气污染预报的实际业务中，还可以在相关领域进行推广和使用。
作品图片
作品专业信息
撰写目的和基本思路
- 目的：臭氧是危害最严重的二次污染物之一。由于工业化和城市化，臭氧前体物排放量不断增加，臭氧污染问题显得尤为突出，目前在黄土高原半干旱地区，空气污染预报准确率仅为23%，如何提高臭氧浓度预测的准确性，从而提高空气污染预报的水平，是目前亟待解决的难题。 基本思路： 获取数据，分析数据，以数据挖掘关联规则、混沌粒子群优化算法、神经网络为基础，结合天气过程分析建立普适性的臭氧浓度预测预报模型。
科学性、先进性及独特之处
- 项目研究大胆引入数据挖掘关联规则、混沌粒子群优化算法、人工神经网络，为黄土高原半干旱地区臭氧浓度的预报建立了一个普适性模型。思路具有一定的创新性。 选用的研究数据具有代表性和准确性，分析计算结果具有很好的代表性、准确性和先进性。在此，不仅采用了先进的数学模型，而且结合了天气分型。预测模型可以使目前空气污染预报的水平有较大的提高，应用于实际预报业务中，具有较好的推广价值。
应用价值和现实意义
- 预测近地面臭氧浓度的变化, 可以为研究生态系统和各种植物对臭氧的响应问题提供依据。预测臭氧浓度最大值, 一定程度上可以得到城市臭氧产生的影响因子, 给臭氧控制政策的制定提供科学依据。 将AMRT、CPSO、BP结合，可以解决信号频率差，影响因素多的非线性函数逼近问题，得到全局最优解，提高预测精度。 普适性模型可以用于空气污染预报的实际业务，还可以在相关领域进行推广和使用。
学术论文摘要
- 由于工业化和城市化的迅速发展，汽车尾气的肆意排放和一些不合理的资源利用，臭氧前体物排放量不断增加，臭氧污染问题显得尤为突出，使得区域生态平衡遭到破坏，威胁人类健康。臭氧还是光化学烟雾的主要成分,已成为危害最严重的二次污染物之一。目前在黄土高原半干旱地区兰州市，空气污染预报的准确率仅为23.34%，因此，如何提高臭氧浓度预测的准确性，从而提高空气污染预报的水平，是目前亟待解决的一个难题。本文选取黄土高原半干旱地区2007年6月-2009年8月的大气成分观测、梯度塔观测、辐射观测数据，常规MICAPS资料。在分析黄土高原半干旱地区臭氧浓度变化特征的基础上，结合数据挖掘关联规则（AMRT）、混沌粒子群优化算法(CPSO)、BP神经网络、天气分型，建立了一个普适性的臭氧浓度预测预报模型，使预测精度提高了36.2%，实现了黄土高原半干旱地区臭氧浓度的预报。研究方法和预测模型可应用于空气污染预报的实际业务中。相关论文已经在EI期刊发表。
获奖情况
- 1.部分成果已经以论文形式在EI核心收录期刊发表，题目：Prediction of ozone concentration using BP neural network with a novel hybrid training algorithm, 期刊名称：2010 Sixth International Conference on Natural Computation, 页码: 4176-4179。 2.相关文章已投到SCI期刊Knowledge based system，三审中。近期投出SCI论文于：Ecological model。 3.本省“挑战杯”大学生课外学术科技作品竞赛一等奖。 4.2009年本校创新创业行动计划成果一等奖。2010年本校创新创业重点项目支持。
鉴定结果
- 论文思路新颖，巧妙地将数据挖掘关联规则、混沌粒子群优化算法、BP神经网络，结合天气分型，成功的应用到臭氧浓度预测技术中，建立了普适性的臭氧浓度预报模型，提高了预测精度，为类似问题的解决提供了新途径。
参考文献
- [1] Alain-Louis Dutot , Joseph Rynkiewicz.A 24-h forecast of ozone peaks and exceedance levels using neural classifiers and weather predictions [J], Environmental Modelling & Software 22 (2007) 1261-1269. [2] Jeong-Sook Heo, Dong-Sool Kim. A new method of ozone forecasting using fuzzy expert and neural network systems [J]. Science of the Total Environment 325 (2004) 221–237. [3] Wang D.，LuW.2.，2006.Ground-level ozone prediction using multilayer perception trained with an innovative hybrid approach [J]. Ecological Modeling，198，332-340. [4] 王勤耕,夏思佳,万祎雪,金龙山,当前城市空气污染预报方法存在的问题及新思路[J],环境科学与技术，2009,32(3)：189-192. [5] E. Balaguer Ballester et al. Effective 1-day ahead prediction of hourly surface ozone concentrations in eastern Spain using linear models and neural networks [J]. Ecological Modelling 156 (2002) 27-41. [6] Milionis A.，1994.Davies T. Regression and stochastic mode1s for air pollution-I .Review，comments and suggestions [J] .Atmospheric Environment，28，2801一2810.
同类课题研究水平概述
- 1、臭氧的危害 臭氧是一种化学活性污染气体，大气中的强氧化剂，是危害最严重的二次污染物之一。它会危害人类的健康；影响作物和森林的正常生长发育；造成云雨水的酸化。由于工业化和城市化的迅速发展，汽车尾气的肆意排放和一些不合理的资源利用，臭氧前体物排放量不断增加，臭氧污染问题显得尤为突出。 2、现今空气污染预报业务中臭氧浓度预报的困难所在 目前空气污染预报一般认为大气污染物分布，主要取决于污染物的源排放和当时的气象条件，基于物理化学过程的确定性预报方法进行数值预报。但是臭氧在对流层中是一种比较特殊的污染物，在碳氢化合物和氮氧化物的参与下，通过光氧化反应产生，属于二次污染物，没有比较明显的污染源。 大气化学模式是预报二次污染物的一种有效方法。但许多研究表明，由于各种天气动力过程，对流层顶折叠，引发平流层与对流层交换，使平流层臭氧大量输入对流层。使单纯运用大气化学模式预报存在较大误差。 以上多种原因使得臭氧浓度的预报，成为空气污染预报中的一个难题。目前在黄土高原半干旱地区兰州市，空气污染预报准确率仅为23.34%，如何提高臭氧浓度预测的准确性，从而提高空气污染预报的水平，是目前亟待解决的难题。 3、国内外对于臭氧浓度预报的研究现状 目前，国内外预测臭氧浓度多采用统计模型，如人工神经网络、时间序列等。人工神经网络由于其强大的非线性映射能力，在臭氧浓度预测的问题上得到了广泛的应用。但神经网络在使用过程中，很多参数需要拟定。这些参数的不确定性直接影响了模型的收敛速度和预测精度。另外，使用神经网络预测臭氧浓度，作为一种黑箱方法，在气象理论方面的缺陷也十分明显。首先，神经网络模型不能反映环境背景场和下垫面对臭氧浓度变化的影响。其次，该方法通常假设污染源是相对稳定的，没有结合天气过程，从物理机制上探讨臭氧浓度的变化规律。第三，在气象中，神经网络模型一般反映较大时空尺度的平均状态，很难抓住极端的臭氧高污染事件。由此可见，要想有效提高臭氧浓度预测预报精度，必须对神经网络模型的参数选择进行优化，并将优化后的模型和天气分析预报结合使用。 目前信息技术和数学方法发展较快，因此，如何将实时的气象观测数据、天气分型、新的信息技术、新的数学方法结合起来，建立一个普适性的臭氧浓度预报模型，提高预测精度从而提高空气污染的预报水平，成为了目前研究的一个新方向。
