| 基于BP人工神经网络的鹰潭市PM2.5和PM10浓度预测模型 |
| |
| 引用本文： | 刘懿枢,戴熙敏,齐永胜.基于BP人工神经网络的鹰潭市PM2.5和PM10浓度预测模型[J].气象与减灾研究,2020,43(2):123-129. |
| |
| 作者姓名： | 刘懿枢 戴熙敏 齐永胜 |
| |
| 作者单位： | 鹰潭市气象局,江西 鹰潭 335002;鹰潭市气象局,江西 鹰潭 335002;鹰潭市气象局,江西 鹰潭 335002 |
| |
| 基金项目： | 2019年江西省青年人才项目“BP人工神经网络在鹰潭市空气污染指数预报中的应用” |
| |
| 摘 要： | 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。
|
| 关 键 词： | 大气颗粒物 预测模型 BP人工神经网络 气象要素 气体污染物 |
| 收稿时间： | 2020/3/24 0:00:00 |
| 修稿时间： | 2020/5/20 0:00:00 |
Prediction model of PM2.5 and PM10 concentration in Yingtan city based on BP neural network |
| |
| Liu Yishu,Dai Ximin and Qi Yongsheng.Prediction model of PM2.5 and PM10 concentration in Yingtan city based on BP neural network[J].Meteorology and Disaster Reduction Research,2020,43(2):123-129. |
| |
| Authors: | Liu Yishu Dai Ximin and Qi Yongsheng |
| |
| Institution: | Yingtan Meteorological Bureau,Yingtan Meteorological Bureau and Yingtan Meteorological Bureau |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《气象与减灾研究》浏览原始摘要信息 |
| 点击此处可从《气象与减灾研究》下载免费的PDF全文 |
