|
|||||
|
|
| 基于机器学习的短临预报方法及其在空气质量保障中的应用 | |
| 作者姓名： | 肖林鸿 陈焕盛 陈婷婷 吴剑斌 杨文夷 王文丁 田敬敬 张稳定 |
| 作者单位： | 中国科学院大气物理研究所, 大气边界层物理和大气化学国家重点实验室, 北京 100029;中科三清科技有限公司, 北京 100029 |
| 基金项目： | 国家重点研发计划（2018YFC0213206） |
| 摘 要： | 基于多个数值模式(NAQPMS、CMAQ)预报结果和站点观测资料,采用岭回归机器学习方法构建了一种多污染物短临预报方法,并应用于2017年厦门金砖国家峰会和2019年武汉军运会空气质量保障工作,评估总结了短临预报方法的可行性和预报效果.结果表明:短临预报表现出很好的预报能力,可以有效改进数值模式的预报趋势和量值.从日均... |
| 关 键 词： | 数值预报 机器学习 短临预报 空气质量 |
| 收稿时间： | 2020-05-16 |
| 修稿时间： | 2020-09-05 |
| 本文献已被 CNKI 等数据库收录！ | |
| 点击此处可从《中国环境监测》浏览原始摘要信息 | |
| 点击此处可从《中国环境监测》下载免费的PDF全文 | |