共查询到19条相似文献，搜索用时 125 毫秒
1.
藻类叶绿素a浓度是反映太湖水体富营养化程度的重要参数指标。以太湖2010—2011年5—10月旬平均叶绿素a浓度和气象资料数据作为建模样本, 通过对气象资料进行主成分分析, 得到4种主要气象因子作为输入, 建立时间序列ARMA预测模型与BP神经网络预测模型, 并对2012年数据进行预测。利用两种模型在线性空间和非线性空间的预测优势, 将叶绿素a数据结构分解为线性自相关主体和非线性残差两部分。首先用ARMA模型预测序列的线性主体, 然后用BP模型对其非线性残差进行估计, 最终集成整个序列的预测结果, 建立了ARMA-BP预测模型。3种模型的预测效果为ARMA-BP＞BP＞ARMA。 相似文献
2.
利用2015—2019年鹰潭市5个大气成分监测站数据和气象站地面观测数据,运用主成分分析法,提取气象要素、气体污染物对PM2.5和PM10浓度影响的主要成分,调整BP人工神经网络的隐藏层个数和隐藏层节点数,构建基于BP人工神经网络的鹰潭市PM2.5和PM10浓度预测模型。结果表明：1） 气象要素中,共提取3个影响PM2.5、PM10浓度的主成分,分别为相对湿度、降水,气温、气压和风速,其中湿度、气温、风速与PM2.5、PM10浓度显著相关。2） 气体污染物中,共提取2个主成分,分别为SO2、NO2和O3,其中NO2、SO2与PM2.5、PM10浓度显著相关。3） 所建立的PM2.5、PM10浓度逐小时预测模型在20 h内预测性能良好,预测准确率分别为88%、86%,逐日预测模型在5 d内的预测性能良好,预测准确率分别为94%、92%,准确率较高,具有良好的预报性能。 相似文献
3.
利用2009年-2011年春节期间大同市可吸入颗粒物PM10质量浓度和气象资料,分析了烟花爆竹燃放后对空气质量的影响。春节期间在大量烟花爆竹集中燃放时,当有降雪天气出现时,降雪对PM10质量浓度的上升具有明显的抑制作用;在没有降雪天气时,风速仍是影响PM10质量浓度的主要因素。除夕的11时-13时、23时-Ol时,元宵节的18时-21时这三个时段为PM10质量浓度最大的时段,其间PM10质量浓度很高。当天气稳定风速较小时PM0质量浓度会明显升高。在集中燃放烟花爆竹后,当风速较大存在有利扩散的气象条件时,PM10质量浓度升高后很快降低,没有太多的污染,而当天气稳定风速较小时,PM0质量浓度升高较明显,对空气污染严重。 相似文献
4.
天津城区秋季PM2.5质量浓度垂直分布特征研究 总被引：8，自引：2，他引：6
为研究天津大气颗粒物的污染水平和时空分布特征,利用天津大气边界层观测铁塔(255m),分别在40m、120m、220m处设立监测点,通过监测到的PM2.5的质量浓度,结合PM10、能见度等资料来分析污染物的时空分布规律和分布特征.结果表明,天津城区PM2.5污染水平相当严重,日均质量浓度远高于美国1997年制定的65μg*m-3的排放标准.混合层厚度和稳定度的变化对PM2.5浓度变化有一定的影响,随混合层厚度的变化,不同高度PM2.5质量浓度值有所不同.23时至11时,120m浓度明显高于其它各层,11-18时,由于大气扩散能力的增强,三层污染物质量浓度开始下降,而到了18-23时,低层污染物浓度较高,各层浓度总体趋势为120m＞40m＞220m.PM2.5质量浓度的日变化与稳定度的变化较一致.气象条件和早晚出行高峰期的影响导致PM2.5的质量浓度出现峰值.PM10与PM2.5的总体变化趋势基本一致,说明污染物来源基本相同.能见度水平和细粒子污染水平呈现较好的负相关,细粒子质量浓度的高低是决定能见度好坏的主要因子.降水过程是颗粒物从大气中清除的重要机制. 相似文献
5.
研究了一种常用的模式分类器——BP神经网络,分析了BP网络的训练及识别过程,提取了能体现声调特性的特征数据组成分类特征向量,设计了具有一个隐含层的3层前馈网络作为分类器,对普通话声调样本库做了分类识别实验,分析了不同隐含层节点数的识别实验结果.实验结果表明,提取的音频特征基本有效,分类效果良好,具有一定的应用价值. 相似文献
6.
利用关中区域西安、咸阳、渭南、铜川、宝鸡五个主要城市2014-2018年PM2.5、PM10、SO2和NO2四种主要大气污染物逐日平均质量浓度,统计分析了关中区域近5年环境空气质量时间变化特征和区域分布特征。结果表明:关中区域颗粒物PM2.5、PM10和SO2年平均质量浓度呈逐年下降趋势;西安、咸阳和渭南NO2年平均质量浓度呈逐年上升趋势,宝鸡和铜川相对较低且变化趋势不明显;区域大气环境质量总体在不断改善。关中区域4-10月尤其是夏季6-9月空气质量状况较好,7月最好;采暖期空气污染较为严重,其中1月环境空气质量最差,其次是2月。近5年以颗粒物PM2.5和PM10为主要污染物,年平均值均超标,而SO2质量浓度相对较低;从区域分布来看,中部环境空气质量最差,其中PM2.5、PM10和NO2质量浓度明显较高,东部次之,北部和西部相对较好。咸阳中度以上污染日数明显较多,其次为西安,渭南居第三,铜川最少;咸阳、西安和渭南中度以上污染日数呈逐年增加趋势,咸阳增加趋势最为显著,而宝鸡和铜川呈逐年减少趋势。 相似文献
7.
文章基于通辽市2011年6月至2013年5月可吸入颗粒物质量浓度(PM10)资料数据,统计结果表明:(1)PM10年均质量浓度为85.92μg·m-3,未达到国家环境空气质量二级标准;(2)PM10季均质量浓度特征是春季冬季秋季夏季,PM10月平均质量浓度与季节分布基本一致;(3)PM10质量浓度在一周中呈现出单峰变化的特点,不同季节PM10质量浓度周变化不同;(4)PM10质量浓度日变化呈现双峰型分布。PM10浓度峰值从夏季到冬季逐渐推迟,这主要与日出日落时间和其他气象条件,以及上下班交通高峰相关;春季峰值还与沙尘天气发生时间有关。 相似文献
8.
空气质量多模式系统在广州应用及对PM10预报效果评估 总被引：4，自引：2，他引：2
介绍了广州空气质量多模式系统并评估其对2010年9月广州市的气象要素和PM10日均浓度的24 h的预报效果.评估结果表明：模式系统较好地预测了气象要素的变化,但高估了风速;各空气质量模式能合理预测广州PM10浓度的时空变化,预报效果均处于可接受范围内(平均分数偏差MFB小于±60%且平均分数误差MFE小于75%),部分模式可达到优秀水平(MFB小于±30%且MFE小于50%),但同时各模式在郊区均预测偏高而在市区偏低;总体上,模式在广州郊区的PM10预报效果优于市区.模式间对比表明,在本次业务预报实践中,不存在最优的单模式,同一模式对不同的统计指标、不同的站点,其预报效果可能存在差异,基于算术平均集成各模式结果未能获得最优的预报效果.优化排放源空间分布并引进更好的集成预报方法(如权重平均、神经网络、多元回归等)是未来改进广州空气质量多模式系统预报效果的可能途径. 相似文献
9.
利用NCEP提供的全球空间分辨率为2.5°×2.5°、2007—2012年6—8月日平均500 h Pa高度场再分析格点资料和浙北地区158个站点观测资料,研究了不同大气环流型下局地降水与大尺度降水场之间的关系,以4种不同环流型下的预报对象和预报因子分别采用BP神经网络方法对观测资料进行逼近,得到4种空间降尺度的预报模型,分析对比4种预报模型158站逐日的降水量的预报。结果表明:神经网络模型的隐层节点数为2时,对降水的拟合效果最好;对降水的极值拟合效果中,环流分型中NW型和C型的效果优于SW型和SE型;从4种分型下的误差空间分布来看,浙北地区沿海的宁波、舟山一带的误差小于浙北其他区域;把雨量分等级后进行预测,发现模型对暴雨的预测能力最好。 相似文献
10.
赵克蕾 《沙漠与绿洲气象(新疆气象)》2014,8(1):11-16
利用南疆最大的城市库尔勒市2011年11月15日-2012年11月30日连续自动可吸入颗粒物（PM10）浓度观测数据,分析了PM10的污染状况和质量浓度变化特征。结果表明：（1）由于气象条件与人类活动的影响,PM10浓度日变化为明显的双峰型。（2）PM。。质量浓度存在明显的周内变化,周一出现最大值274．8μg·m^-3,周三出现最小值196．7μg·m^-3。（3）PM10最高月浓度出现在4月,浓度为562．1μg·m^-3;7月达到最低浓度107．4μg·m^-3;11月达到次大值219．9μg·m^-3。（4）春季PM,。浓度较高,夏季较低,总体特征为：春季〉秋季〉冬季〉夏季,四季的平均浓度均超过国家二级标准。（5）降雪过程对PM10具有明显的清除作用,沙尘天气有使PM10质量浓度迅速增加的作用。 相似文献
11.
月降水量的年际变化具有显著的非线性变化特征,预测难度大,历来是重大气象灾害预测的重点难点问题。BP(back propagation)神经网络在月降水量预测业务中的研究和应用中,取得了较好的成果,其中应用较广泛的是PCA-BP神经网络模型、遗传算法优化神经网络、RBF神经网络预测模型、小波神经网络模型、粒子群-神经网络模型等,这些方法也在广西月降水量预测业务中得到很好的应用,对提高月降水量预测能力有较大帮助。因此,有必要对目前神经网络在月降水量预测中的优势和不足进行综述,提出未来研究需要关注的重点关键问题。 相似文献
12.
基于BCC-CSM季节气候预测模式系统历史回报数据和国家气象信息中心提供的中国地面降水月值数据,通过多方法对比并讨论了影响预测结果的因素,利用长短期记忆（Long Short-Term Memory,LSTM）网络预测2014年和2015年中国夏季降水。结果表明:LSTM网络的预测效果较逐步回归、BP神经网络及模式输出结果有一定优势。参数调优对于LSTM网络预测效果影响较大,重要参数有隐含层节点数、训练次数和学习率。选择合适的起报月份数据有助于提升季节预测的准确性,利用4月起报的数据预测夏季降水效果较好。海冰分量因子对降水季节预测有正贡献。在2014年、2015年夏季降水回报试验中,LSTM网络对降水整体形势有一定的预测能力,Ps评分分别为74分、71分,距平符号一致率分别为55.63%、55.25%,Ps评分的均值高于同期全国会商及业务模式。 相似文献
13.
利用1999—2009年安徽省淮河以南地区60个县市站夏季逐日降水资料和安庆市探空站逐日资料,研究了中低层不同风向配置下局地降水与大尺度降水场之间的关系,以3种不同预报对象及相应的预报因子分别采用神经网络和线性回归方法设计6种预报模型对观测资料进行逼近和优化,从而实现空间降尺度.分析对比6种预报模型46站逐日降水量的拟合和预报效果,结果表明:采取相同的预报对象及预报因子的BP神经网络模型在拟合和预报效果上均好于线性回归模型,可见夏季降水场之间以非线性相关为主;神经网络模型预报结果同常用的Cressman插值预报相比,能很好地反映出降水的基本分布及局地特征;预报对象为单站降水序列的神经网络模型在以平原、河流为主要地形的区域预报效果较好,预报对象为REOF主成分的神经网络模型则在山地和丘陵地形区域预报效果较好. 相似文献
14.
基于BP和Elman神经网络的福建省汛期旱涝预测模型 总被引：3，自引：1，他引：3
建立了福建汛期旱涝BP和Elman神经网络预测模型，并对两种模型的性能和差异进行了比较，结果表明：动量BP网络模型，特别是具有局部反馈特性的Elman网络模型具有较好的拟合精度和预报效果。此外两种模型对旱涝等级为2和4的预测偏差较大，而对旱涝等级为3的预测较为准确。 相似文献
15.
基于MATLAB的主成分RBF神经网络降水预报模型 总被引：13，自引：3，他引：10
以前期500 hPa高度场、海温场为预报因子,采用径向基函数(RBF)神经网络与主成分分析相结合的方法,建立了广西中部5月平均降水预报模型。在5年独立样本的预测检验中,预测的平均相对误差、均方误差及平均绝对误差分别为18.12%、50.52和34.23。对比分析RBF神经网络与BP(Back Propagation)神经网络的预测结果,表明RBF神经网络预测结果更准确、精度更高。 相似文献
16.
集成方法有利于提高降水要素预报的准确性和可预报性。本文基于格点实况资料和智能网格预报、西南区域数值预报、ECMWF模式预报、GRAPES模式预报产品，以面雨量为研究对象，采用多元回归法、BP神经网络法、评分权重法、加权集成预报法和算术平均法，得到集成面雨量预报，再运用平均绝对误差、模糊评分、正确率、TS评分、偏差分析等方法，对2020年4—10月金沙江下游面雨量预报效果进行对比分析。结果表明：多元回归集成法和BP神经网络法的预报效果总体上优于其他几种集成方法。在考虑流域面雨量的预报量级时，下游可以采用预报量级较小的模式和集成方法。集成后偏差百分比均有降低，且多元回归法和BP神经网络法对预报量级较小的模式有矫正作用。在面雨量有无、小雨和中雨预报中，多元回归法集成效果较好，在大雨量级预报中，BP神经网络法集成效果较好。这些结论可为流域面雨量预报提供参考借鉴。 相似文献
17.
利用2003-2007年国家气象中心T213L31全球中期数值预报模式逐日输出产品与青海地区25个气象站的观测数据作为试验资料, 利用相关系数和逐步回归进行因子选择, 并以单隐层神经网络和多元回归作为降尺度方法进行对比研究, 用2003-2006年间的11月1日～次年3月1日的资料作为训练样本, 以数值预报产品和前一日观测的最低温度作为因子, 建立青海省25个气候站的冬季最低温度的24, 48, 72 h预报模型, 并且以2006年12月和2007年的1、 2月作为24, 48, 72 h逐日最低温度预报试验时段。试验表明, 对于青海地区来说, 青海北部地区的预报命中率总体好于南部高原地区; 在4种对比方案中, 以选择数值预报资料结合前一日地面观测的最低温度作为主要因子的方法相对较优, 随着预报时效的延长, 24 h历史实况的作用逐渐减弱; 对于所有台站来说, 这4种方案各有优缺点, 没有一种方案可以完全代替其他所有方案; 在实际业务运行中, 对不同的台站应采用不同的预报方案进行实际业务预报。 相似文献
18.
以2007~2018年西宁二十里铺气象站探空资料为模拟样本,利用MonoRTM模式模拟中心频率21.985~58.759GHz的35通道亮温,应用BP神经网络对模拟数据进行反复训练,构建最优反演模型,并以2019年探空资料为测试样本,对比分析了不同季节和不同天气条件下BP神经网络与微波辐射计的反演效果。结果表明:晴空条件下,BP神经网络与微波辐射计在温度反演上效果最佳,水汽密度次之,相对湿度最差,其中冬春季BP神经网络反演效果优于微波辐射计,夏秋季反之;有云条件下,BP神经网络温度反演效果在冬、春和夏季均优于微波辐射计,其水汽密度反演效果在四季均较微波辐射计有明显提升,其相对湿度反演效果在冬、春和夏季均较微波辐射计更佳。晴空和有云条件下,BP神经网络在不同季节反演温度、水汽密度和相对湿度的平均绝对误差和标准偏差均小于微波辐射计,尤其是相对湿度的反演精度提升最为明显。晴空条件下,BP神经网络反演温度廓线在春、夏和秋季效果最佳,反演水汽密度廓线在中低层精度较高,反演相对湿度廓线的精度较差,但基本和探空资料趋势一致;有云条件下,BP神经网络反演温度廓线与晴空时基本一致,较微波辐射计精度更高,反演水汽密度和相对湿度廓线在8km以上效果较好。 相似文献
19.
基于大气化学模式WRF/Chem采用4种边界层方案（YSU,BL,MYJ和MYN3）模拟2015年全年天津地区细颗粒物质量浓度演变趋势,分析不同边界层方案对天津地区PM2.5质量浓度模拟和预报的影响,并构建多种边界层方案的集合预报产品,以期提高天津地区PM2.5质量浓度预报效果。结果表明:大气化学模式的4种边界层方案在空气质量模拟中均有较好的适用性,PM2.5模拟值与观测值相关系数达到0.76左右,晴空和大风天气BL方案表现较优,阴天和小风天气YSU和MYJ方案表现优于其他两种方案,综合所有过程没有任何单一方案具有显著优势。基于上述原因,该文开展多种边界层方案的天津空气质量集合预报试验,经过对2015年全年模拟值分析,多边界层方案和多气溶胶机制扰动的集合预报可以减小PM2.5质量浓度预报的相对误差和均方根误差,降低重污染天气预报的漏报率,提升空气质量等级预报能力,在计算资源得到保证的基础上,是一种可以提升数值模式PM2.5质量浓度预报能力的有效手段。 相似文献