排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
2.
采用多元线性回归方法(MLR)和BP神经网络方法(BPNN),按1 h、3 h、6 h、12 h、24 h、48 h预测时长对贵港市2015—2018年PM2.5浓度建模并检验对比模型准确率。结果表明,基于MLR与BPNN都能对PM2.5浓度作预测,预测效果随着预测时长的增加而下降,MLR、BPNN模型预测结果平均绝对误差(MAE)分别为4.01μg/m3~15.48μg/m3、3.89μg/m3~15.63μg/m3。采用小波分析方法对污染物数据优化并再次建模,结果表明,小波-多元线性回归(W-MLR)模型与小波-神经网络(W-BPNN)模型均得到优化,3 h~24 h预测时长优化效果尤为显著,W-MLR、W-BPNN模型预测结果分别使MAE降低1.6%~13.5%、0.8%~9.8%,且后者预测效果优于前者。 相似文献
3.
利用广西壮族自治区贵港市2015~2019年降水等气象资料和空气质量资料,分析不同日雨量对污染物浓度和空气质量指数(AQI)的影响、自然降雨日和人工增雨日对污染物的清除率、还有污染日的天气系统可开展作业的天气形势和时机。结果表明,降雨量R≥1mm时人工增雨的污染物浓度比自然降雨日的污染物浓度要明显偏低,其中烟炉增雨的污染物浓度又小于火箭增雨的污染物浓度。人工增雨5≤R<50mm的降水对首要污染物PM2.5、PM10、O3和AQI值清除率较理想,可明显改善空气质量。因此,在适宜开展人工增雨作业的污染天气类型中抓住冷高压脊、冷高压后部、西南暖低压的合适时机开展作业,便能达到改善空气质量的效果。 相似文献
1