1、隨著中國工業(yè)化、城市化進(jìn)程的快速發(fā)展，城市人口迅速膨脹，能源、交通規(guī)模持續(xù)擴(kuò)大，產(chǎn)業(yè)結(jié)構(gòu)不合理，能源消耗量大、利用率低等導(dǎo)致中國空氣質(zhì)量急劇下降。以可吸入顆粒物、二氧化硫、氮氧化物等為主要污染物的大氣環(huán)境污染問題日趨嚴(yán)重，持續(xù)惡化的空氣質(zhì)量狀況已經(jīng)嚴(yán)重威脅到了公眾的身體健康和國家經(jīng)濟(jì)的可持續(xù)發(fā)展。對空氣質(zhì)量進(jìn)行全面、科學(xué)、準(zhǔn)確的分析和預(yù)測，對于公眾有效規(guī)避大氣污染導(dǎo)致的健康損害，政府環(huán)保部門加強(qiáng)污染源監(jiān)管和提高重污染日應(yīng)急能力等方面都具

2、有重要的理論意義和實(shí)用價值。本文通過對空氣質(zhì)量監(jiān)測數(shù)據(jù)的分析，在了解空氣質(zhì)量影響因素并建立空氣質(zhì)量分析模型的基礎(chǔ)上，對灰色理論、神經(jīng)網(wǎng)絡(luò)、馬爾科夫鏈、條件隨機(jī)場等方法進(jìn)行深入研究，針對不同預(yù)測條件建立了多種空氣質(zhì)量預(yù)測模型，提高空氣質(zhì)量預(yù)測精度，系統(tǒng)地對城市空氣質(zhì)量演變趨勢進(jìn)行分析和實(shí)驗(yàn)研究。
　　首先，針對空氣質(zhì)量區(qū)域和區(qū)域之間交互影響和關(guān)聯(lián)關(guān)系相對復(fù)雜的問題，通過分析空氣質(zhì)量影響因素特征的時空屬性，研究空氣質(zhì)量特征的時空關(guān)系，

3、提出了采用加權(quán)有向圖方法建立空氣質(zhì)量模型及其表征方法，為空氣質(zhì)量預(yù)測分析提供理論基礎(chǔ)。
　　其次，針對空氣質(zhì)量預(yù)測中缺乏氣象、社會經(jīng)濟(jì)等影響因素數(shù)據(jù)資料的貧信息情況，設(shè)計(jì)了一種改進(jìn)的灰色GM(1,1)模型。在分析GM(1,1)模型建模過程中原始序列擾動和背景值變化對預(yù)測精度影響的基礎(chǔ)上，構(gòu)造了新的序列緩沖算子和模型背景值對GM(1,1)模型進(jìn)行優(yōu)化。改進(jìn)的灰色GM(1,1)模型能夠弱化模型隨機(jī)性，削弱外在干擾，減少模型擬合過程中的

4、滯后誤差，提高模型在空氣質(zhì)量預(yù)測中的穩(wěn)定性和預(yù)測精度，解決了在貧信息模態(tài)下僅利用大氣污染物濃度數(shù)據(jù)進(jìn)行空氣質(zhì)量趨勢預(yù)測的問題。
　　再次，針對單一灰色模型在貧信息空氣質(zhì)量預(yù)測中對于波動較大的數(shù)據(jù)序列擬合預(yù)測精度較差的問題，通過將灰色GM(1,1)模型分別與神經(jīng)網(wǎng)絡(luò)模型和馬爾科夫鏈模型組合并優(yōu)化，提出了兩種改進(jìn)的灰色組合模型，即改進(jìn)的灰色神經(jīng)網(wǎng)絡(luò)模型和改進(jìn)的灰色馬爾科夫模型。在分析傳統(tǒng)灰色神經(jīng)網(wǎng)絡(luò)模型中存在灰色方法部分背景值構(gòu)造不合

5、理和神經(jīng)網(wǎng)絡(luò)方法部分訓(xùn)練數(shù)據(jù)不足的缺陷基礎(chǔ)上，通過構(gòu)造新的背景值和訓(xùn)練數(shù)據(jù)樣本矩陣對模型進(jìn)行優(yōu)化，建立改進(jìn)的灰色神經(jīng)網(wǎng)絡(luò)模型；在分析傳統(tǒng)灰色馬爾科夫模型原理的基礎(chǔ)上，采用新陳代謝的GM(1,1)模型代替?zhèn)鹘y(tǒng)GM(1,1)模型建立動態(tài)轉(zhuǎn)移概率矩陣并定義新的序列緩沖算子對模型進(jìn)行優(yōu)化，建立改進(jìn)的灰色馬爾科夫模型。將兩種改進(jìn)的灰色組合模型應(yīng)用于城市空氣質(zhì)量預(yù)測中可增加空氣質(zhì)量預(yù)測結(jié)果的可靠性和準(zhǔn)確性，避免單一模型的局限性，解決了數(shù)據(jù)序列波動較

6、大模態(tài)下的貧信息空氣質(zhì)量預(yù)測問題。
　　然后，針對空氣質(zhì)量預(yù)測不僅受到氣象因素的影響，還受到社會經(jīng)濟(jì)因素影響的情況，在分析兩類因素對空氣質(zhì)量影響的基礎(chǔ)上，設(shè)計(jì)了一種將人工神經(jīng)網(wǎng)絡(luò)模型和灰色GM(1,N)模型相結(jié)合的協(xié)同預(yù)測模型。根據(jù)兩類影響因素的數(shù)據(jù)特性，將呈現(xiàn)非線性特性的氣象因素數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練集預(yù)測大氣污染物濃度，同時將經(jīng)過灰色關(guān)聯(lián)模型篩選后的包含不完整信息的社會經(jīng)濟(jì)因素數(shù)據(jù)作為灰色GM(1,N)模型的輸入預(yù)測大氣污

7、染物濃度。利用皮爾森相關(guān)系數(shù)判斷兩類因素對空氣質(zhì)量影響程度，為兩個模型的預(yù)測結(jié)果分別賦予權(quán)值后求和得出最終預(yù)測結(jié)果。協(xié)同預(yù)測模型的預(yù)測精度高于單一預(yù)測模型，有效提高預(yù)測的準(zhǔn)確性和全面性，解決了同時考慮氣象和社會經(jīng)濟(jì)的多因素模態(tài)下的空氣質(zhì)量預(yù)測問題。
　　最后，針對空氣質(zhì)量等級實(shí)時預(yù)測的需求，考慮氣象因素對空氣質(zhì)量等級的影響，提出了利用條件隨機(jī)場模型對空氣質(zhì)量等級進(jìn)行實(shí)時預(yù)測分析。根據(jù)氣象因素的特點(diǎn)，在模型預(yù)測過程中定義了一種新的特