10.19672/j.cnki.1003-6504.2019.12.013
合肥市冬季PM2.5统计预报方法初试与比较研究
利用合肥市2015-2018年冬季PM2.5观测资料和FNL再分析资料,文章综合考虑地面及边界层高度范围内各气象要素作用,针对目前空气质量统计预报方法的不足,根据阈值分析筛选预报因子,同时将风向数据转化为对应的八方位上历史污染物浓度均值输入,最后结合BP神经网络对PM2.5浓度进行逐6h预报.结果 表明,所建模型(TA-BP方案)中对PM2.5预测值与观测值的相关系数(R)高达0.85,平均绝对误差(MAE)为21.31 μg/m3,均方根误差(RMSE)为28.20 μg/m3.阈值分析能够有效筛选与污染物浓度呈非线性关系的气象预报因子和高空预报因子.较BP模型,TA-BP模型的R和一致性指数(IA)分别提升14.12％和8.33％,MAE、平均相对误差(MAPE)和RMSE分别降低22.87％、17.86％和23.78％.同时,与其他不同输入变量模型及线性模型对比结果表明:仅考虑气象因子作用的MTA-BP方案限制了预报模型的准确性,以临近6h的PM2.5浓度代替各气象因子作用的PTA-BP方案能够实现较好的预报效果,但滞后性严重.另外,综合考虑气象因子与污染因子作用的非线性TA-BP模型要优于线性MSR模型.
BP神经网络、PM2.5浓度预报、阈值分析、统计模型
42
X51(大气污染及其防治)
国家重点研发计划;国家自然科学基金;科技惠民项目;安徽省重点研究和开发计划;安徽省省级环境保护科研项目
2020-07-09（万方平台首次上网日期，不代表论文的发表时间）
共9页
81-89
