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
• 来源期刊: 气象与减灾研究
• 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
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 研究论文
• 页码范围: 123-129
• 页数: 7页
• 分类号: P456
• 语种: 中文
• DOI: 10.12013/qxyjzyj2020-016

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PM2.5和PM10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PM2.5和PM10浓度预测模型.结果表明:1)气象要素中,共提取3个影响PM2.5、PM10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PM2.5、PM10浓度显著相关.2)气体污染物中,共提取2个主成分,分别为SO2、NO2和O3,其中NO2、SO2与PM2.5、PM10浓度显著相关.3)所建立的PM2.5、PM10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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘懿枢		1	0	0.0	0.0
2	戴熙敏		1	0	0.0	0.0
3	齐永胜		4	1	1.0	1.0