袁文燕;杜洪川;李洁毅;李玲 多源大数据PM（_{2.5}）预测的多尺度方法。 （英语） Zbl 07741545号 J.系统。科学。复杂。 36，第2号，771-797（2023）. 小结：在大数据时代，互联网大数据可以很好地反映公众对空气污染的关注，这对环境PM浓度有很大影响；然而，它尚未应用于PM（{2.5}）预测。因此，本研究除了引入其他大数据外，还引入了信息丰富的互联网大数据作为PM的有效预测因子。为了获取PM浓度与多源大数据之间的多尺度关系，提出了一种新的PM多源大数和多尺度预测方法。主要采取了三个步骤：1）多源大数据处理，从不同来源（如设备和互联网）收集大数据，并提取隐藏的预测特征；2） 多尺度分析，通过提取隐藏在多源数据中的尺度对齐模式来解决时间尺度的非均匀性和非对齐性；3） PM（_{2.5}）预测，需要在每个时间尺度上进行单独预测，并对最终结果进行集合预测。实证研究以污染最严重的城市为研究对象，结果表明，所提出的多源大数据和多尺度预测方法优于其原始形式（无大数据也无多尺度分析）、半扩展变量（有大数据但无多尺度分析）以及在准确性方面类似的对应项（具有大数据，但来自单一来源和多尺度分析）。 理学硕士： 62至XX 统计 关键词：空气质量预测;互联网;多尺度分析;多源大数据;多元经验模式分解 软件：WRF-化学 PDF格式BibTeX公司 XML格式引用 \textit{W.Yuan}等人，J.Syst。科学。复杂。36，第2号，771--797（2023；Zbl 07741545） 全文： 内政部 参考文献： [1] 曹，D。；Ramirez，C.D.，《中国的空气污染、政府污染监管和工业生产》，《系统科学与复杂性杂志》，33，4，1064-1079（2020）·Zbl 1455.91169号 ·doi:10.1007/s11424-020-9128-6 [2] 杜，P。；Wang，J。；Hao，Y.，基于多目标Harris hawks优化算法的新型混合模型每日PM_2.5和PM_10预测，应用软计算，96，106620（2020）·doi:10.1016/j.asoc.2020.106620 [3] Lim，S.S。；Vos，T。；Flaxman，A.D.，《1990年至2010年21个地区67个风险因素和风险因素集群导致的疾病和伤害负担的比较风险评估：2010年全球疾病负担研究的系统分析》，《柳叶刀》，380，9859，2224-2260（2012）·doi:10.1016/S0140-6736（12）61766-8 [4] IHME和HEI，《2017年全球空气状况：2017年全球大气污染暴露及其疾病负担特别报告》。上市时间：Hhttp://www.stateofglobalair.org/report。 [5] Lelieveld，J。；Evans，J.S。；Fnais，M.，《室外空气污染源对全球过早死亡的贡献》，《自然》，525，7569，367-371（2015）·doi:10.1038/nature15371 [6] Mahajan，S。；陈立杰。；Tsai，T.C.，使用指数平滑法进行短期PM_2.5预测：比较分析，Sensors，18，10，3223（2018）·doi:10.3390/s18103223 [7] 高，X。；Li，W.，用于PM_2.5预测的基于图形的LSTM模型，大气污染研究，12，9，101150（2021）·doi:10.1016/j.apr.2021.101150 [8] 萨马尔，K.K R。；Babu，K.S。；Das，S.K.，缺失值PM_2.5预测的多向时间卷积人工神经网络：深度学习方法，《城市气候》，36，100800（2021）·doi:10.1016/j.uclim.2021.100800 [9] 杰，Y。；Rui，Y。；不同输入、模型结构和预测时间的深度学习预测北京市Mn，A.，PM_2.5浓度，大气污染研究，12，9，101168（2021）·文件编号：10.1016/j.apr.2021.101168 [10] Fu，J.S.（傅建新）。；徐，北卡罗来纳州。；Gao，Y.，《评估2006年BASE-ASIA期间生物质燃烧的影响：区域化学传输模型》，大气化学与物理，12，9，3837-3855（2012）·doi:10.5194/acp-12-3837-2012 [11] Yuan，W.Y。；王凯。；Bo，X.，PM_2.5浓度预测的新的多因素多尺度方法，环境污染，255113187（2019）·doi:10.1016/j.envpol.2019.113187 [12] 杨伟（Yang，W.）。；邓，M。；Xu，F.，使用时空支持向量回归模型预测每小时PM_2.5，大气环境，181，12-19（2018）·doi:10.1016/j.atmosenv.2018.03.015 [13] Wu，H。；刘，H。；Duan，Z.，使用新的多目标特征选择和集合框架进行PM_2.5浓度预测，大气污染研究，11，7，1187-1198（2020）·doi:10.1016/j.apr.2020.04.013 [14] Saggi，M.K。；Jain，S.，利用深度学习对印度旁遮普北部的参考蒸散量估算和建模，农业中的计算机和电子，156387-398（2019）·doi:10.1016/j.compag.2018.11.031 [15] Theuer，F。；范杜伦，M.F。；von Bremen，L.，使用远程单多普勒激光雷达测量进行海上风力涡轮机的小尺度功率预测，风能科学，5，4，1449-1468（2020）·doi:10.5194/wes-5-1449-2020年 [16] Yang，L。；高，X。；Hua，J.，基于风云四号地球同步卫星的甚短期地表太阳辐照度预测，传感器，20，9，2606（2020）·doi:10.3390/s20092606 [17] 刘，T。；Lau，A.K H。；Sandbrink，K.，《基于香港区域数值模拟的空气质量时间序列预测》，《地球物理研究杂志：大气》，123，8，4175-4196（2018）·doi:10.1002/2017JD028052 [18] 黄，C.J。；Kuo，P.H.，智能城市颗粒物（PM_2.5）预测的深度CNN-LSTM模型，Sensors，18，7，2220（2018）·doi:10.3390/s18072220 [19] 谢军。；王，X。；Liu，Y.，基于自动编码器的大气颗粒物浓度预测深信度回归网络，智能与模糊系统杂志，34，6，3475-3486（2018）·doi:10.3233/JIFS-169527 [20] 刘，H。；Jin，K。；Duan，Z.，使用新的混合建模方法进行空气PM_2.5浓度多步预测：中国四个城市的案例比较，大气污染研究，10，5，1588-1600（2019）·doi:10.1016/j.apr.2019.05.007 [21] 张，Z。；Wu，L。；Chen，Y.，使用类似气象条件下的GMCN（1，N）模型预测PM_2.5和PM_10浓度：以中国石家庄为例，生态指标，119106871（2020）·doi:10.1016/j.ecolind.2020.106871 [22] 周，Y。；Chang，F.J。；Chen，H.，利用多个ANN探索基于copula的贝叶斯模型平均PM_2.5集合预测，清洁生产杂志，263121528（2020）·doi:10.1016/j.项目.2020.121528 [23] 卢，G。；Yu，E。；Wang，Y.，一种用于PM_2.5浓度预测及其预测性能评估的新型混合机器学习方法（OR-ELM-AR），Atmosphere，12，1，78（2021）·doi:10.3390/atmos12010078 [24] 张磊，纳杰，朱杰，等，北京PM_2.5小时浓度预测的时空因果卷积网络，计算机与地球科学，155（2021）：104869。 [25] Zulfadhilah，M。；Prayudi，Y。；Riadi，I.，《使用日志分析和k-means聚类进行网络分析》，《国际高级计算机科学与应用杂志》，7，7，430-435（2016）·doi:10.14569/IJACSA.2016.070759 [26] Dong，D。；Xu，X。；Xu，W.，空气污染实际水平与居民对空气污染的担忧之间的关系：来自中国上海的证据，《国际环境研究与公共卫生杂志》，16，23，4784（2019）·doi:10.3390/ijerph16234784 [27] 李，C。；马，X。；Fu，T.，公众对雾霾污染的担忧重要吗？来自中国北京-天津-河北地区的证据，《总体环境科学》，755142397（2021）·doi:10.1016/j.scitotenv.2020.142397 [28] 李凯。；卢·W。；Liang，C.，《旅游管理中的智能：基于web搜索数据的日常旅游需求预测的混合FOA-BP方法》，《数学》，第7、6、531页（2019年）·doi:10.3390/路径7060531 [29] 何，A.F.W。；致：B.Z Y.S。；Koh，J.M.，使用互联网搜索数据预测医院急诊科患者数量，IEEE Access，793387-93395（2019）·doi:10.1109/ACCESS.2019.2928122 [30] Zhang，Y。；Bambrick，H。；Mengersen，K.，使用谷歌趋势和环境温度预测季节性流感疫情，环境国际，117284-291（2018）·doi:10.1016/j.envint.2018年5月16日 [31] 潘，B。；Yang，Y.，利用大数据预测目的地每周酒店入住率，《旅游研究杂志》，56，7，957-970（2017）·doi:10.1177/0047287516669050 [32] 林，J。；吴，Z。；Li，X.，基于多源数据的城市群城市间连通性测量，国际地理信息科学杂志，33，5，1062-1081（2019）·网址：10.1080/13658816.2018.1563302 [33] Fung，W.Y。；Wu，R.，香港空气污染季节内变化与气象变量的关系，GIS年鉴，20，3，217-226（2014）·doi:10.1080/19475683.2014.945480 [34] 邓晓杰。；廖立群。；胡国平，《过去几十年中国主要城市的空气污染指数及其与气象数据的相关性》，《环境》。科学。技术。，36, 9, 70-75 (2013) [35] 张，L。；刘，Y。；赵凤，中国东部地区统计长期空气质量预测的重要气象变量，理论与应用气候学，134，1，25-36（2018）·doi:10.1007/s00704-017-2245-z [36] 李伟（Li，W.）。；Yang，G。；Li，X.，PM_2.5污染与中国公众关注的相关性：来自百度指数的证据，清洁生产杂志，293126091（2021）·doi:10.1016/j.项目.2021.126091 [37] Ni，X.Y。；黄，H。；杜伟平，基于多源数据的北京市PM_2.5浓度相关性分析与短期预测，大气环境，150，146-161（2017）·doi:10.1016/j.atmosenv.2016.11.054 [38] He，K。；陈，Y。；Tso，G.K F.，《贵金属市场的价格预测：多元EMD去噪方法》，《资源政策》，54，9-24（2017）·doi:10.1016/j.resourpol.2017.08.006 [39] Tang，L。；Wu，Y。；Yu，L.，使用RVFL网络进行原油价格预测的非迭代分解-组装学习范式，应用软计算，701097-1108（2018）·doi:10.1016/j.asoc.2017.02.013 [40] Rehman，N。；Mandic，D.P.，多元经验模式分解，《皇家学会学报A：数学、物理和工程科学》，46621171291-1302（2010）·Zbl 1191.94049号 ·doi:10.1098/rspa.2009.0502 [41] Adarsh，S.，基于多元经验模式分解的印度喀拉拉邦气象分区精细尺度降雨量预测，国际环境科学与发展杂志，7，12，896（2016）·doi:10.18178/ijesd.2016.7.12.901 [42] 吴琼。；Lin，H.，考虑空气污染物因素的每日空气质量指数预测新的最优混合模型，《总体环境科学》，683808-821（2019）·doi:10.1016/j.scitotenv.2019.05.288 [43] Shi，Y。；顾伟（Gu，W.）。；Zhang，L.，分形图像压缩的一些新方法，非线性科学和数值模拟中的通信，2，2，80-85（1997）·兹伯利0922.68132 ·doi:10.1016/S1007-5704（97）90044-7 [44] 朱德鲁帕，I。；Berzina，I.，《创新在提升拉脱维亚区域竞争力中的作用》，《管理与可持续发展》，第51、2、19-23页（2015年） [45] Wang，J。；Hou，R。；Wang，C.，基于变量选择和头脑风暴优化的股票价格预测改进v-支持向量回归模型，应用软件计算，49，164-178（2016）·doi:10.1016/j.asoc.2016.07.024 [46] 阿达什，S。；萨纳，S。；Murshida，K.K.，基于多变量经验模式分解的参考蒸散量的尺度相关预测，Ain Shams Engineering Journal，9，4，1839-1848（2018）·doi:10.1016/j.asej.2016.10.014 [47] 科尔特斯，C。；Vapnik，V.，支持向量网络，机器学习，20，3，273-297（1995）·Zbl 0831.68098号 ·doi:10.1007/BF00994018 [48] 黄，G.B。；朱庆云。；Siew，C.K.，《极限学习机器：理论与应用》，神经计算，70，1-3，489-501（2006）·doi:10.1016/j.neucom.2005.12.126 [49] Tang，L。；Dai，W。；Yu，L.，基于CEEMD的新型EELM原油价格预测集成学习范式，国际信息技术与决策杂志，14，1，141-169（2015）·doi:10.1142/S0219622015400015 [50] 麦克莱兰，J.L。；Rumelhart，D.E。；Hinton，G.E.，《并行分布式处理的吸引力》，3-44（1986），马萨诸塞州剑桥：麻省理工学院出版社，马萨诸塞州剑桥 [51] 班纳吉，K.S。；Rao，C.R。；Mitra，S.K.，矩阵的广义逆及其应用，技术计量学，15，11，197（1973）·doi:10.1080/00401706.1973.10489026 [52] Pao，Y.H。；Park，G.H。；Sobajic，D.J.，随机向量函数链网络的学习和泛化特征，神经计算，6，2，163-180（1994）·doi:10.1016/0925-2312（94）90053-1 [53] Yang，J.等人。；Yan，R。；Nong，M.，通过不同输入、模型结构和预测时间的深度学习预测北京PM_2.5浓度，大气污染研究，12，9，101168（2021）·doi:10.1016/j.apr.2021.101168 [54] Ghude，S.D。；库马尔，R。；Jena，C.，《利用WRF-Chem模型中的化学数据同化评估PM_2.5预测：印度德里地球科学部空气质量预警系统的一项新举措》，《当代科学》，1181803-1815（2020）·doi:10.18520/cs/v118/i11/1803-1815 [55] Tang，L。；Wu，Y。；Yu，L.，基于随机算法的分解-组装学习方法在能源价格预测中的应用，能源，157，526-538（2018）·doi:10.1016/j.energy.2018.05.146 [56] Russo，D.P。；Zorn，K.M。；Clark，A.M.，《雌激素受体结合预测的多机器学习算法和指标比较》，分子药剂学，15，10，4361-4370（2018）·doi:10.1021/acs.molpharmaceut.8b00546 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。