BP神经网络模型在O_3质量浓度预报中的应用
详细信息    查看全文 | 推荐本文 |
摘要
采用BP神经网络和逐步线性回归两种模型,以2014—2017年汕头市金平环境监测子站的6种污染物质量浓度以及同期汕头市国家基准气象观测站37类地面气象观测数据为预报因子,对该站O_3最大8 h质量浓度进行预测。结果表明:两种预报模型在历史数据拟合效果上并不存在明显差异,总体上冬春季的模型拟合度高于夏秋季。在2017年7和12月2个独立样本的预报效果检验中,BP网络模型预报准确指数(d)分别比回归模型高10.4%和0.8%;BP网络模型预报级别准确率(TS)分别比回归模型高12.9%和3.3%。BP网络模型无论在预报精度还是预报稳定度上均明显优于回归模型。夏秋季降水因子的影响常导致BP模型预报值出现正误差,冬春季冷空气南下的影响常导致BP模型预报出现负误差。
        
引文
[1]陈仁杰,陈秉衡,阚海东.上海市近地面臭氧污染的健康影响评价[J].中国环境科学,2010,30(5):603-608.
    [2]张红星,孙旭,姚余辉,等.北京夏季地表臭氧污染分布特征及其对植物的伤害效应[J].生态学报,2014,34(16):4757-4765.
    [3]黄先香,炎利军,植江玲.佛山灰霾天气气候特征及气象要素分析[J].广东气象,2017,39(5):42-46.
    [4]周义昌,翁佳烽,周静,等.肇庆城区空气污染EOF分解及与气象要素的相关性分析[J].广东气象,2018,40(5):48-50.
    [5]谢松元,凌良新,陈文锋.潮州市大气污染物与气象要素的关系[J].广东气象,2010,32(5):36-38.
    [6]李丽云.广州番禺区灰霾天气的特征及气象因子诊断[J].广东气象,2013,35(4):43-46.
    [7]易睿,王亚林,张殷俊,等.长江三角洲地区城市臭氧污染特征与影响因素分析[J].环境科学学报,2015,35(8):2370-2377.
    [8]叶绿萌,樊少芬,常鸣,等.珠三角地区秋季臭氧生成敏感性时空变化模拟研究[J].南京大学学报(自然科学版),2016,52(6):977-988.
    [9]程念亮,李云婷,张大伟,等.2014 年北京市城区臭氧超标日浓度特征及与气象条件的关系[J].环境科学,2016,37(6):2041-2051.
    [10]赵辉,郑有飞,徐静馨,等.南京市北郊夏季臭氧浓度变化特征分析[J].地球与环境,2016,44(2):161-168.
    [11]蒋璐璐,钱燕珍,杜坤,等.宁波市近地层臭氧浓度变化及预测[J].气象与环境学报,2016,32(1):53-59.
    [12]李莉.典型城市群大气复合污染特征的数值模拟研究[D].上海:上海大学,2012.
    [13]李学桥,马莉.神经网络工程应用[M].重庆:重庆大学出版社,1996:37-44.
    [14]胡守仁,余少波,戴葵.神经网络导论[M].北京:国防科技大学出版社,1993:10-11.
    [15]沈路路,王聿绚,段雷.神经网络模型在O3浓度预测中的应用[J].环境科学,2011,32(8):2231-2235.
    [16]王俭,胡筱敏,郑龙熙,等.基于BP模型的大气污染预报方法的研究[J].环境科学研究,2002,15(5):62-64.
    [17]邓伟妮.基于BP神经网络的西安市PM2.5污染预报及其MATLAB实现[D].西安:西安科技大学,2008.

© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号

地址:北京市海淀区学院路29号 邮编:100083

电话:办公室:(+86 10)66554848;文献借阅、咨询服务、科技查新:66554700