利用PCA-kNN方法改进广州市空气质量模式PM2.5预报

• 作者: 汤静 王春林 谭浩波 邓涛 邓雪娇
• 来源期刊: 热带气象学报
• 学科: 地球科学
• 关键词: PM2.5 空气质量模式 PCA-kNN
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 论著
• 页码范围: 125-134
• 页数: 10页
• 分类号: P456.7
• 字数: 6856字
• 语种: 中文
• DOI: 10.16032/j.issn.1004-4965.2019.011

摘要

为了提高广州市PM2.5客观预报能力,采用主成分分析结合机器学习算法k近邻(PCA-kNN)方法,基于空气质量模式(CMAQ)预报产品、中尺度天气模式(GRAPES-MESO)预报产品和2017年上半年广州PM2.5观测实况,试验确定PCA-kNN方法的最佳参数方案,建立广州市空气质量模式PM2.5预报客观订正方法.结果 表明:与CMAQ模式的PM2.5预报相比,在第1～3天预报时效上,PCA-kNN订正结果与实况的相关系数分别提高20％、15％、29％,均方根误差分别降低17％、16％、20％,平均偏差更接近0,PM2.5浓度等级TS评分接近或优于CMAQ预报,PCA-kNN订正结果优于CMAQ预报.机器学习算法PCA-kNN方法可有效改进广州市空气质量模式PM2.5预报,本研究对其他地区、其他污染物客观预报研究具有借鉴意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王春林		15	62	3.0	7.0
2	谭浩波		8	17	3.0	3.0
3	汤静		5	43	3.0	5.0