气象与减灾研究 · 2020年第2期123-129,共7页

基于BP人工神经网络的鹰潭市PM2.5 和PM10 浓度预测模型

作者:刘懿枢,戴熙敏,齐永胜

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PM 2.5和PM 10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PM 2.5和PM 10浓度预测模型。结果表明:1)气象要素中,共提取3个影响PM 2.5、PM 10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PM 2.5、PM 10浓度显著相关。2)气体污染物中,共提取2个主成分,分别为SO 2、NO 2和O 3,其中NO 2、SO 2与PM 2.5、PM 10浓度显著相关。3)所建立的PM 2.5、PM 10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。

发文机构:鹰潭市气象局

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atmospheric particulate matterprediction modelBP neural networkmeteorological elementsair pollutants

分类号: P456[天文地球—大气科学及气象学]

注:学术社仅提供期刊论文索引,查看正文请前往相应的收录平台查阅
相关文章