卷积神经网络的PM2.5预报模型

• 作者: KARIMIAN Hamed 侯俊雄 吴春霖 李琦 陈工
• 来源期刊: 测绘科学
• 学科: 地球科学
• 关键词: 空气质量预报 细颗粒物PM2.5 卷积神经网络
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 技术创新
• 页码范围: 68-75
• 页数: 8页
• 分类号: TP18|X8
• 语种: 中文
• DOI: 10.16251/j.cnki.1009-2307.2018.08.011

摘要

针对目前基于机器学习的PM2.5预报模型无法充分利用研究区域内其他相关站点的数据问题,该文提出了一种区域时空点数据的表示方法,并在此基础上提出了基于卷积神经网络的PM2.5预报模型.该模型利用了区域内多站点的历史PM2.5实测数据以及相应的气象预报数据,对区域内任一站点PM2.5浓度进行预报.实验结果显示,该模型在京津冀区域内能对未来至少3d内的PM2.5浓度进行较高精度的预报.与基于单站点的前馈神经网络预报结果对比表明,对区域整体污染及气象状况建模的卷积神经网络模型预报精度更高.该模型对区域内所有站点的预测结果与地面实测值的分布基本一致,表明了该模型具有对区域内PM2.5浓度进行时空预报的能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李琦	北京大学遥感与地理信息系统研究所	114	2443	27.0	46.0
5	侯俊雄	北京大学遥感与地理信息系统研究所	8	108	4.0	8.0
6	陈工	北京大学遥感与地理信息系统研究所	4	14	2.0	3.0
7	吴春霖	北京大学遥感与地理信息系统研究所	1	2	1.0	1.0
8	KARIMIAN Hamed	北京大学遥感与地理信息系统研究所	1	2	1.0	1.0