(3.230.154.160) 您好!臺灣時間:2021/05/07 23:56
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

: 
twitterline
研究生:蘇姵婷
研究生(外文):Su, Pei-Ting
論文名稱:利用多變量時間序列模型預測屏東市區次日 一氧化碳、二氧化氮與粗懸浮微粒之小時濃度
論文名稱(外文):Using multivariate time series model to predict the hourly CO、NO2 and PM10 concentrations in Pingtung city
指導教授:吳繼澄吳繼澄引用關係
指導教授(外文):Wu, Ji-Cheng
學位類別:碩士
校院名稱:國立屏東科技大學
系所名稱:工業管理系所
學門:商業及管理學門
學類:其他商業及管理學類
論文種類:學術論文
論文出版年:2013
畢業學年度:101
語文別:中文
論文頁數:91
中文關鍵詞:空氣品質時間序列向量自迴歸移動平均模型
外文關鍵詞:Air QualirtyTime SeriesVector Autoregressive Moving Average Model
相關次數:
  • 被引用被引用:3
  • 點閱點閱:451
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:51
  • 收藏至我的研究室書目清單書目收藏:0
隨著工業發展及汽、機車數量密集化,嚴重影響台灣各地區空氣品質,空氣污染這項環境議題對於民眾健康潛在影響力不容小覷。過去相關研究多侷限於單一污染物化學特性及基本統計分析,鮮少針對多個污染物以逐時濃度進行建模與預測。故本研究首先擷取行政院環保署屏東市測站2007年至2011年共5年主要污染物逐時濃度監測資料,經相關分析後挑選出相關性較高之CO、NO2與PM10污染物作為考量因子,由時間序列圖發現CO、NO2與PM10逐時濃度存在季節(月)循環的週期,因此將訓練資料集消除季節月指標,並取自然對數轉換,使得變異數平穩化。接著針對CO、NO2與PM10逐時濃度資料,依據AIC與SC準則挑選最佳滯後階數p與q,最後建立多變量時間序列向量自迴歸移動平均模型VAR(p,q)。本研究進一步基於VAR(p,q)模型預估屏東市2012年CO、NO2與PM10逐時濃度預測值。再根據平均絕對偏差與平均絕對誤差百分比兩種判定準則,將預測值 與行政院環保署監測CO、NO2與PM10濃度之真實值進行比較,藉此評估模型預測能力程度。

The problem of air pollution arises along with the rapid development of industry. Air pollution has gravely affected people's health and is a problem that should be solved quickly. Results in the past have been stressed the chemical properties of a certain pollutant. Moreover, there were very few researches on modeling and forecasting for multiple pollutants. This study used published data obtained from the Environmental Protection Administration website that collected the concentration of major pollutants at every hour at stations in Ping-Tung city from 2007 to 2011. After correlation analysis, CO, NO2 and PM10 pollutants were selected to be as research subjects. The research tried to construct CO, NO2 and PM10 concentration prediction models based on the multivariate time series method. According to AIC and SC criterion, the multivariate time series models VAR(p,q) were estibalished and used to predict the hourly CO, NO2 and PM10 concentration in Ping-Tung city throughout the day. Finally, the hourly CO, NO2 and PM10 concentration in Ping-Tung city on January 1st 2012 were predicted using the VAR(p,q) models. The results showed that predicted values generally consistent with the real values.
目錄
摘要.......................................I
Abstract..................................III
誌謝.......................................V
目錄.......................................VI
圖索引.....................................VIII
表索引.....................................IX
1.緒論.....................................1
1.1研究背景與動機..........................1
1.2研究目的...............................3
1.3研究範圍與限制..........................4
1.4研究流程與架構..........................5
2.文獻探討..................................8
2.1空氣污染指標介紹.........................8
2.2主要污染物對人體健康之影響.................9
2.2.1一氧化碳(CO)......................9
2.2.2二氧化氮(NO2).....................10
2.2.3二氧化硫(SO2).....................12
2.2.4粗懸浮微粒(PM10)..................13
2.2.5臭氧(O3).........................15
2.3空氣品質預測模型之相關文獻................17
2.4小結..................................32
3.研究方法..................................33
3.1研究架構...............................33
3.2主要污染物相關分析.......................34
3.3資料蒐集與說明..........................35
3.4空氣品質預測模型介紹.....................36
4.資料分析..................................42
4.1各小時主要污染物相關分析..................42
4.2 CO、NO2與PM10逐時濃度資料彙整...........49
4.3 VAR模型預測屏東市CO、NO2與PM10逐時濃度...53
4.4評估VAR模型預測表現之優劣................59
5.結論與建議................................63
5.1 結論.................................63
5.2 建議.................................64
參考文獻....................................66
附錄一......................................72
附錄二......................................76
附錄三......................................80
附錄四......................................84
作者簡介.....................................91

中文部分:

王炎秋,「應用類神經網路及時間序列預測台南地區空氣品質-PM10」,碩士論文,立德管理學院資源環境研究所,(2006)。
王珏、童澄教、黃善衡,「上海市汽車排放污染物的擴散仿真」,上海交通大學學報,第32卷,第3期,第 98-102頁,(1998)。
內政部消防署,http://www.nfa.gov.tw/main/Unit.aspx/。
台灣環境資訊協會,http://e-info.org.tw/。
行政院環保署網站,http://www.epa.gov.tw/。
「全球不同地區因城市室外粗懸浮微粒造成的過早死亡」,全球環境展望4學報,第52頁,(2000)。
李銘雄,「高雄都會區SO2、O3、PM10對人體健康影響之評估」,碩士論文,朝陽科技大學環境工程與管理系研究所,(2010)。
呂珊茹、林啓文、洪士賢、林國顯,「機車HC排放之迴歸與時間序列分析,以南投縣為例」,科學與工程技術期刊,第2卷,第2期,第29-35頁,(2006)。
呂嘉祥,「多變量時間數列在探討環境影響與不同能源供給間關係之研究」,碩士論文,國立成功大學統計學系碩博士班,(2012)。
空氣品質監測網,http://taqm.epa.gov.tw/taqm/zhtw/default.aspx/。
林逸塵,「類神經網路應用於空氣品質預測之研究」,碩士論文,國立中山大學環境工程研究所,(2002)。
施惠蘭,「時間序列分析法-自我回歸模型應用於台灣1999~2008之腸病毒疫情」,碩士論文,亞洲大學生物資訊系,(2009)。
財團法人工業技術研究院工業安全衛生技術發展中心_物質安全資料表,(2000)。
國際厚生數位科技股分有限公司版權所有_一氧化碳濃度和暴露時間長短可能產生之症狀表,(2012)。
陳秉鈺,「空氣污染與孩童呼吸道健康效應研究」,博士論文,國立台灣大學職業醫學與工業衛生研究所,(2012)。
陳昱達,「台北市市民二氧化氮個人暴露濃度之趨勢分析」,碩士論文,國立台灣大學環境衛生研究所,(2002)。
陳柏佑,「利用指數加權法預測具有季節循環之每小時細懸浮微粒濃度」,碩士論文,國立屏東科技大學工業管理系研究所,(2012)。
陳鴻烈、羅惠芬,「臭氧濃度時間序列分析之研究」,水土保持學報,第37卷,第2期,第199-208頁,(2005)。
許兆宏,「屏東市區細懸浮微粒PM2.5小時濃度之時間序列模型」,碩士論文國立屏東科技大學工業管理系研究所,(2012)。
許瓊文,「應用類神經網路模擬高雄都會區臭氧濃度趨勢變化之研究」,碩士論文,國立中山大學環境工程研究所,(2008)。
崔祐榮,「建築工地對台中市PM2.5影響之模擬-倒傳遞類神經網路及多元線性迴歸之應用」,碩士論文,朝陽科技大學環境工程與管理系研究所,(2011)。
曾國書,「屏東都會區粗細懸浮微粒特性之研究」,碩士論文,國立屏東科技大學環境工程與科學系研究所,(2006)。
黃正義、陳正琨,「空氣污染防治學」,淑馨出版社,(1997)。
黃信誠、林晏如,「台北地區懸浮微粒之時空分析及時空預測」,中國統計學報,第39卷,第4期,第317-337頁,(2001)。
黃耀田,「高雄都會區大氣中懸浮微粒趨勢分析及時空變化模擬」,碩士論文,國立中山大學環境工程研究所,(2005)。
溫燿旭,「屏東市區細懸浮微粒PM2.5之預測模型」,碩士論文,國立屏東科技大學工業管理系研究所,(2012)。
蔡富全,「利用線性及非線性模型檢定台股指數期貨及其現貨領先落後關係」,碩士論文,銘傳大學應用統計資訊研究所,(2009)。
彰化基督教醫院婦產科主治醫師葉光芃_ PM2.5對國人健康的影響, http://www.youtube.com/watch?v=TE836qblRJg/。
鄭魁香,「灰預測在室內空氣品質監測上針對COX的污染物濃度之應用」,11th灰色系統理論與應用研討會,高苑科技大學(2006)。

英文部分:

Bloomfield, P., Royle, J. A., Steinberg, L. J., and Yang, Q., “Accounting for meteorological effects in measuring urban ozone levels and trends, ” Atmospheric Environment, Vol. 30, pp. 3067-3077, (1996).
Caballero, S., ESClapez, R., Galindo, N., Mantilla, E., Crespo, J., “Use of a passive sampling network for the determination of urban NO2spatiotemporal VARiations, ” Atmospheric Environment, Vol. 63, pp. 148-155,(2012).
Domanska, D., and Wojtylak, M., “Application of fuzzy time series models for forecasting pollution concentrations, ” Expert Systems with Applications, Vol. 39, pp. 7673-7679, (2012).
Diaz-Robles, L. A., Ortega, J. C., Fu, J. S., Reed, G. D., Chow, J. C., Waston, J. G., and Moncada-Herrera, J. A., “A hybrid ARIMA and artificial neural networks model to forecast particulate matter in urban areas : The case of Temuco, Chile, “ Atmospheric Environment, Vol. 42, pp. 8331-8340, (2008).
Ewa Dabek-Zlotorzynska, Tom F. Dann, P. Kalyani Martinelango, Valbona Celo, Jeffrey R. Brook, David Mathieu, Luyi Ding, Claire C. Austin, “Canadian National Air Pollution Surveillance (NAPS) PM2.5 speciation program:Methodology and PM2.5 chemical composition for the years 2003-2008,” Atmospheric Environment, Vol. 45, pp. 673-686,(2011).
Helmut Lutkepohl, “Introduction to multiple time series analysis, ” New York: Springer-Verlag , pp. 130–135,(1991).
Jose Maria Montero Lorenzo, Gema Fernandez Aviles, Jose Mondejar Jimenez, Manuel VARgas VARgas, “A spatio-temporal geostatistical approach to predicting pollution levels: The case of mono-nitrogen oxides in Madrid, ” Computers, Environment and Urban Systems, Vol. 37 , pp. 95–106,(2013).
Lewis, C. D., “Industrial and business forecasting methods: a practical guide to exponential smoothing and curve fitting,” London: Butterworth Scientific, (1982).
National Air Pollution Control Administration Air Quality Criteria For Particulate Matter. New York, N.Y. : National Air Pollution Control Administration Public,(1969).
Pan, J. N., and Chen, S. T., “Monitoring long-memory air quality data using ARFIMA model, ” Environmetrics, Vol. 19, pp. 209-219, (2008).
Perez, P., and Reyes, J., “ Prediction of maximum of 24-h average of PM10 concentrations 30 h in advance in Santiago, Chile, ” Atmospheric Environment, Vol. 36, pp. 4555-4561, (2002).
Perez, P., and Reyes, J., “An integrated neural network model for PM10 forecasting, ”Atmospheric Environment, Vol. 40, pp. 2845-2851, (2006).
Paul D. Sampson , Adam A. Szpiro, Lianne Sheppard, Johan Lindstroma, Joel D. Kaufman, “Pragmatic estimation of a spatio-temporal air quality model with irregular monitoring data,” Atmospheric Environment, Vol.45, pp. 6593-6606, (2011).
Schwert, G. W., “Why does stock market volatility change over time, ”Journal of Finance, Vol. 44, pp. 1115-53, (1989).
Stadlober, E., Hormann, S., and Pfeiler, B., “Quality and performance of a PM10 daily forecasting model, ”Atmospheric Environment, Vol. 42, pp. 1098-1109, (2008).
Voutsa, D., and Samara, C., “Labile and bioaccessible fractions of heavy metals in the airborne particulate matter from urban and industrial areas, “ Atmospheric Environment, Vol. 36, pp. 3583-3590, (2002).

連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔