融合GNSS水汽、风速与大气污染物的河北省冬季PM2.5浓度预测研究

• 作者: 刘严萍 李江波 王勇 王泓易
• 来源期刊: 大地测量与地球动力学
• 学科: 地球科学
• 关键词: PM2.5 大气污染物 GNSS水汽 风速 快速傅里叶变换 长短时记忆网络
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 现代大地测量
• 页码范围: 1145-1152
• 页数: 8页
• 分类号: P228
• 语种: 中文
• DOI: 10.14075/j.jgg.2020.11.009

摘要

为提高PM2.5浓度预测的时效和精度,本文综合大气污染物、GNSS水汽和风速等观测要素,利用FFT与LSTM神经网络方法构建PM2.5浓度预测模型,开展未来24 h的PM2.5浓度预测研究.首先对大气污染物、GNSS水汽和风速等观测要素进行快速傅里叶变换,提取各类要素的公共变化周期,获得最佳公共周期为216 h;然后选取最佳公共周期长度的各类要素作为模型输入,24 h序列的PM2.5浓度作为模型输出,分别以P M2.5单要素的RBF神经网络和融合大气污染物、风速、GNSS水汽的LSTM神经网络构建PM2.5浓度预测模型;最后利用实测PM2.5浓度序列分别对2种模型开展外部可靠性检验,将RMSE和IA作为评价指标进行模型精度评价.研究结果表明,基于FFT-LSTM的PM2.5浓度预测模型的RMSE和IA分别为16.22μg/m3和84.36％,模型预测精度较好,可有效预测未来24 h的PM2.5浓度,该模型可为大气污染防治部门空气质量预测提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘严萍		46	126	5.0	10.0
2	王勇		37	118	5.0	10.0
3	王泓易		1	0	0.0	0.0
4	李江波		1	0	0.0	0.0