联合水汽因子的GA-BP神经网络PM2.5质量浓度预测

• 作者: 刘林波 刘立龙 周威 甘祥前 黄良珂 黎峻宇
• 来源期刊: 桂林理工大学学报
• 学科: 地球科学
• 关键词: GPS-PWV PM2.5 GA-BP神经网络 相关性 相对误差
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 土木工程与测绘科学
• 页码范围: 420-426
• 页数: 7页
• 分类号: P228.49|X513|X16
• 字数: 4976字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-9057.2019.02.022

摘要

针对北京地区频繁的雾霾灾害天气,利用影响雾霾的主要因素作为预报因子,采用遗传算法优化后的BP(GA-BP)神经网络建立了PM2.5质量浓度预测模型,并对其进行可靠性分析.结果表明:1)通过CMONOC数据和相关气象温度、气压数据反演得到的3个CMONOC站点BJFS、BJGB、BJSH的大气水汽(GPS-PWV)数据与PM2.5质量浓度之间的相关系数分别为0.6422、0.6441、0.6413,呈中度相关;2)在预报因子不同的条件下,GA-BP神经网络模型均比BP神经网络的预测值精度更高;3)利用CO、NO2、SO2、O3、湿度等5种主要影响因素作为预报因子,采用GA-BP神经网络模型预测的PM2.5数据,其平均相对误差为11.0％,将这5种因素分别结合同一时段3个站点的GPS-PWV数据作为预报因子进行预测,其平均相对误差分别降低了2.8％、0.8％、3％;4)联合GPS-PWV数据与影响雾霾天气的主要因素,基于GA-BP神经网络预测的PM2.5值具有相对较好的精度和可靠性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘立龙	桂林理工大学广西空间信息与测绘重点实验室	55	220	9.0	12.0
2	黎峻宇	桂林理工大学测绘地理信息学院	11	18	3.0	3.0
3	黄良珂	桂林理工大学广西空间信息与测绘重点实验室	26	103	6.0	9.0
4	周威	桂林理工大学测绘地理信息学院	5	6	2.0	2.0
5	甘祥前	桂林理工大学测绘地理信息学院	7	16	3.0	3.0
6	刘林波	桂林理工大学测绘地理信息学院	6	13	3.0	3.0