1、中南大学测绘地理信息年会报告,汇 报 人：王敏指导老师：邹滨,雾霾肆虐,雾霾肆虐,雾霾与空气质量,雾霾“环境元凶”,雾霾已成为许多地区的重大民生问题,WHO PM2.5 24 小时平均浓度限值25g/m3 US PM2.5 24 小时平均浓度限值35g/m3,超标US 7.8倍，WHO 10.9倍！,96%天数,94%天数,雾霾已成为许多地区的重大民生问题,PM2.5概念,PM2.5是指大气中直径小于或等于 2.5微米的颗粒物,PM2.5 理化特征,120倍,20倍30倍,铅、锌、砷、镉、铜等重金属元素。,PM2.5影响能见度,PM2.5影响人体健康,PM2.5影响人体健康,PM2.5影响人体
2、健康,当空气中PM2.5的浓度长期高于10，就会带来死亡风险的上升。浓度每增加10，总死亡风险上升4%，心肺疾病带来的死亡风险上升6%，肺癌带来的死亡风险上升8%。,PM2.5直接健康经济损害,美国北卡罗来纳大学环境科学院与国家环境保护局研究人员在环境研究通讯发布研究报告称，每年全球因空气污染而死亡的人数约为210万，死亡原因主要是大气中PM2.5等悬浮颗粒物浓度上升，对人体肺部造成损害。,2010年，北京市因PM2.5污染造成早死人数为2349人，经济损失近18.6亿元人民币；2010年，上海市因PM2.5污染造成早死人数为2980人，经济损失近23.7亿元人民币；2010年，广州市因PM2
3、.5污染造成早死人数为1715人，经济损失近13.6亿元人民币；,6人/天,8人/天,5人/天,What can we do?,PM2.5防控时间维度的思考,天气预报,最优路径,PM2.5防控空间维度的思考,Destination,Yes or No？,污染程度,原理简单局部参数估计纳入数据的空间特性,GWR,空间插值,ANN,非线性拟合学习规则简单强大的自学习能力数据不充分，无法工作,综合模型的优点改进其缺点,原理简单操作简便对采样点数据依赖性强,地统计,ANN,混合,PM2.5研究方法,PM2.5浓度RBF空间模拟研究,研究设计,影响因素识别,因变量：PM2.5浓度自变量：a、降水量 b、
4、气温 c、湿度 d、风速 e、道路长度 f、最近道路距离 g、土地利用类型 h、人口密度,气象因子,土地利用相关因子,综合因子,影响因素识别,RBF模型构建,(1) 训练样本集和检验样本集进行归一化；Pn,minP,maxP,Tn,minT,maxT = premnmx(P,T); P2= tramnmx(P1,minP,maxP); (2) 创建神经网络，并进行网络训练，对归一化后验证点的PM2.5浓度值进行仿真；net = newrb(pn,tn,goal,spread,MN,DF); PN=sim (net,P2); (3) 仿真结果反归一化 T2= postmnmx(PN,minT,m
5、axT);,模型评价,1、相关系数(R2)2、均方差(MSE)3、平均绝对误差(MAE)4、平均相对偏差(RE)5、一致性指数（IOA）,反映两组数据的偏差程度,反映数据的吻合程度,反映趋势,研究结果PM2.5浓度RBF空间仿真结果,研究区PM2.5年均浓度空间分布(a)PM2.5浓度 (b)气象因子 (c)土地利用相关因子 (d)综合因子,研究结果仿真结果精度评价,基于评价指标的模型精度检验结果,研究区PM2.5误差空间分布图(a) PM2.5浓度 (b)气象因子 (c)土地利用相关因子 (d) 综合因子,研究结果误差空间分布结果,研究结果不同模型模拟效果,不同训练比例下模拟结果 (a)15
6、% (b)35% (c)55% (d)75% (e)95%,所采用的方法一定程度上表现了数据的整体趋势，而且RBF表现出了数据的突变特征。,基于不同评价指标的模型精度结果 (a) MSE (b)MAE (c)R2 (d)RE (e)IOA,研究结果不同模型精度评价,1、各项指标突出了RBF在模拟PM2.5空间分布特征的优越性2、各方法在一定程度上都表现了对数据的依赖性,结论,基于RBF神经网络进行城市空气中PM2.5浓度的空间预测时，在不同的影响因子作为RBF网络的输入时，综合考虑气象因子和土地利用相关因子建立的模型效果最好。研究所采用的模型基本满足PM2.5的空间模拟，精度可达到020%，其中RBF神经网络对数据依赖性较小，但均会随着训练样本的减少误差增大。RBF神经网络方法可以更好的表现数据的突变特征。,谢谢您的批评与指正！,
