排序方式: 共有137条查询结果,搜索用时 31 毫秒
61.
62.
空气中的PM2.5是威胁人体健康的主要大气污染物,对其进行有效预测和及时预警具有重要意义.大量研究表明,纳入周边站点信息的随机森林模型在单站点PM2.5预测中显示出良好的效果,但在周边站点选取问题上目前尚缺乏针对性研究,部分选取方法带有主观性.本文提出了一种基于时间滞后互相关分析的周边站点优化选取方法,并以上海十五厂空气质量监测站(国控站)为例,构建了预测该站未来1~24 h PM2.5浓度的随机森林回归模型集,比较分析了预测模型中各输入因子的重要性.研究发现,预测站点当前PM2.5浓度值对未来1~16 h的预测最为重要,而气象要素中的风向则对于未来17~24 h的预测重要性最高;周边站点PM2.5信息随着预测时间的延长,其重要程度排名有明显提升,且不同站点对不同时间预测的影响具有显著差异,在建模时应区别对待,优化选取.比较结果表明,使用本文方法选取周边站点建立的预测模型不仅在RMSE等精度指标上具有一定优势(12 h和24 h预报RMSE分别降低11.8%和13.3%),还在有实用价值的污染事件空报率上有明显降低(12 h和24 h预报空报率分别降低16.1%和25.6%),具有业务应用潜力. 相似文献
63.
简要回顾了地震预警的发展历程,介绍了地震预警的基本原理和地震位置、预警震级及预测烈度等关键参数的主要测定方法。作为一种能够有效减轻地震灾害的手段,世界上多个国家和地区相继开始建设各自的地震预警系统,以系统建设与应用实效为切入点,介绍了世界主要地震预警系统和我国的相关进展情况;并基于目前地震预警面临的主要挑战,从传感器、信号处理算法及组网模式等方面,展望了未来地震预警系统新的、有潜在变革性的技术和方法。 相似文献
64.
本文基于区域灾害系统理论,综合考虑致灾因子、暴露度和脆弱性,提出了一套暴雨内涝灾情预测指标体系;在此基础上利用上海市应急联动中心110接报暴雨内涝灾情数据,构建了暴雨内涝灾情预测BP模型(Back Propagation Model)和XGBoost模型(Extreme Gradient Boosting Model),并对比分析了预测模型效果,实现对上海市暴雨过程内涝灾情数量预测;最后对内涝灾情影响等级进行阈值划分,以期为暴雨内涝影响预报与风险预警业务、服务及灾害管理提供技术支撑。结果表明:1)综合考虑致灾因子、暴露度、脆弱性指标且不经主成分分析降维的指标组合作为暴雨内涝灾情预测指标体系时,BP模型和XGBoost模型的预测精度最优;2)全量样本XGBoost模型总体表现最优,暴雨内涝灾情的右偏分布和内涝灾情的异常高值均对XGBoost模型预测误差有不同程度的贡献;3)综合评价法在历史灾情百分位法和模拟灾情百分位法基础上,结合多年业务实践经验和用户对于110灾情的处置承受力对暴雨内涝灾情进行阈值划分,在实际应用中具有一定参考意义。 相似文献
65.
为了深入了解地面PM2.5的空间分布,以山东省为研究区,利用2019年的PM2.5站点实测数据,结合中分辨率成像光谱仪(MODIS)的L3级别的MCD19A2气溶胶光学厚度产品,充分考虑人口、地形、气象等因素,使用RF、SVR、BPNN、DNN等4种机器学习算法对山东省2019年逐日PM2.5进行了模拟.结果表明:随机森林模型(RF)的RMSE和MAE的值分别为12.67和6.62,优于BPNN、SVR和DNN模型.随机森林模型(RF)最适合山东省的日PM2.5模拟. 相似文献
66.
为能更加准确地模拟出兰州市近地面臭氧浓度,在CMAQ (社区多尺度空气质量建模系统)的基础上,利用机器学习方法中的XGBoost (极限梯度提升)模型及LSTM (长短期记忆)神经网络模型建立近地面臭氧模拟结果的订正模型,并以两种方法为基础,利用误差变权倒数组合方法构建LSTM-XGBoost组合模型,以期进一步提高订正效果.本文选取兰州市4个国控站点(兰炼宾馆,铁路设计院,榆中校区,生物制品所)2019年7、8月环境空气质量监测数据及兰州市气象站同期气象数据,对CMAQ模拟的同时段兰州市近地面臭氧浓度进行订正.结果表明,CMAQ能够模拟出兰州市近地面臭氧浓度的空间及时间分布特征,但整体上对浓度有所低估.利用上述方法构建的订正模型中,LSTM-XGBoost组合模型的订正效果最好,臭氧相关性由CMAQ模拟的0.61~0.76提升至0.89~0.95,臭氧8h平均相关性由0.65~0.79提升至0.81~0.88,臭氧RMSE由44.83~70.17mg/m3提升至15.21~26.53mg/m3,臭氧8h平均RMSE由40.07~67.57mg/m3提升至14.24~28.54mg/m3.该研究表明利用机器学习方法对CMAQ模拟结果订正可行,可以改善环境空气质量模式模拟结果. 相似文献
67.
“双碳”背景下,加快研发高效的能源与环境催化材料有助于推进能源清洁利用和环境污染治理。传统催化材料研发模式主要依赖实验试错方法,难以满足能源与环境领域对高效催化材料的研发需求。快速发展的机器学习等数据科学技术为催化材料研发带来范式变革的契机。基于机器学习、实验数据和计算数据的有机结合,可对催化材料进行快速筛选,突破传统试错法的局限性,有利于解决催化剂研发效率低、成本高等难题。本文从催化材料的位点预测、配方筛选、构型设计以及反应路径优化等角度讨论了机器学习方法加快能源与环境催化材料创新的研究进展,分析了不同训练数据获取途径对应的机器学习方法构建及其在催化材料开发中的应用,展望了机器学习加快催化材料研究方法创新的发展趋势,以期为促进其在能源与环境领域的应用提供启示。 相似文献
68.
开展快速可靠的水生态监测并预测其变化趋势,对保护水生态环境具有重要的价值。近年来,环境DNA宏条形码技术(简称环境DNA技术)的快速发展弥补了传统形态学生物监测的缺陷,显著提升了水生生物群落的监测能力。与机器学习、遥感和云服务等技术结合,环境DNA技术不仅能大尺度、高频率、高灵敏度、自动化地获取生态监测信息,而且能准确地识别水生态系统的变化趋势,进而改变对水生态系统的认识与管理方式。因此,研究着重总结了环境DNA技术在水生态监测中的应用,分析了环境DNA技术与机器学习、卫星遥感等跨学科合作的潜在机遇,基于环境DNA技术简单、便捷的优势,提出了社会公民参与水环境保护的生态监测新思路。 相似文献
69.
利用2018—2021年昆磨高速沿线交通气象观测站点数据,计算了总降水量及能见度低于500 m的天数,将其与地灾点、隧道点和桥梁点核密度以及道路曲率半径栅格数据输入到基于随机森林算法的预测模型中,最终昆磨高速危险路段回归预测结果R2值为0.790,P值为0.001,满足显著性检验要求,且预测结果与验证数据之间高度拟合。结果表明:(1)中度危险性以上路段集中在昆磨高速沿线“上—中”段的呈贡区、晋宁县、红塔区、峨山县、宁洱县以及景洪市,其中重大危险等级路段主要分布在景洪市和宁洱县;(2)从随机森林算法预测结果来看,隧道点核密度重要性占比为26%,能见度小于500 m的天数重要性占比为24%,2项综合占比为50%,说明隧道的分布和能见度低的天气状况对昆磨高速沿线行车安全影响最大。 相似文献
70.