北京市PM10浓度变化规律的小波分析
2014-04-01,,
中原工学院学报 2014年1期
, ,
(1.中原工学院,郑州 450007; 2.河南省计量科学研究院,郑州 450008;3.中国矿业大学(北京),北京 100083)
城市大气可吸入颗粒物污染已经成为大气科学研究的热点问题[1].通过对可吸入颗粒物浓度变化的分析,可以深入了解可吸入颗粒物污染的来源、变化规律及影响因素,从而采取有针对性的措施[2-3].受污染源、气象条件等多种因素的影响,实际监测出的颗粒物污染物浓度时间序列数据有很大的无规律变化,其中有许多是由于偶然因素造成的,这些偶然因素变化严重影响其变化规律及变化原因的分析[4].消除由于偶然因素变化造成的影响,分析污染物浓度的真实变化规律,从信号处理的角度来看是典型的去噪处理[5].小波分析技术出现后,已经有一些研究用小波分析方法对大气污染物的时间序列进行去噪处理,取得了不错的效果[6-7].本文采用MATLAB小波分析对PM10质量浓度时间序列数据进行去噪处理,分析了去噪处理的具体过程,并对北京市2010-2011年度PM10质量浓度随时间变化的数据进行了小波去噪分析.
1 时间序列数据小波去噪处理的原理
1.1 时间序列数据的去噪处理
信号处理时,一般认为低频信号是有用信号而把高频信号看作噪声,要求有用信号和噪声的频谱相互分开[5,8-9].
对时间序列数据去噪的传统方法主要有移动平均法、传统滤波方法、卡尔曼滤波方法和维纳滤波方法[10].传统滤波方法的傅里叶(Fourier)变换是将时域信号变换到频域,但由于傅里叶变换中采样……
登录APP查看全文
