BP神经网络模型在O3质量浓度预报中的应用

论文摘要

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O3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。

论文目录

• 1 资料和方法
•   1.1 数据资料
•     1) 环境监测资料:
•     2) 气象资料:
•   1.2 研究方法
•     1) 预报因子的初选。
•     2) 多元线性回归模型。
•     3) BP神经网络模型。
•     4) 模型预报能力评价参数。
• 2 过程与结果
•   2.1 模型的历史拟合效果
•   2.2 模型对独立样本的预报效果
• 3 讨论

文章来源

类型: 期刊论文

作者: 杜勤博,陈欢欢,李玥莹,吴晓燕,郑素帆,肖俊光

关键词: 环境气象,神经网络,质量浓度预测,逐步线性回归,气象条件,汕头市

来源: 广东气象 2019年03期

年度: 2019

分类: 基础科学,工程科技Ⅰ辑,信息科技

专业: 环境科学与资源利用,自动化技术

单位: 汕头市潮阳区气象局,南京信息工程大学,汕头市气象局

基金: 汕头市气象局科研项目(1803)

分类号: TP183;X515

页码: 29-32

总页数: 4

文件大小: 844K

下载量: 156