基于神经网络模型对城市空气质量预报方法的优化研究

基于郑州市2017年1月1日—2022年2月28日环境空气细颗粒物(PM_2.5)逐日质量浓度监测数据和同期气象数据,利用反向传播(BP)神经网络构建了环境空气PM_2.5质量浓度预报模型,实现了对郑州市后1日环境空气PM_2.5质量浓度日均值进行预报。构建了考虑大气氧化性因素(情景一)和不考虑大气氧化性因素(情景二)这2种情景,并对2种情景下的预报效果进行评价。结果显示,在情景一下,各季节PM_2.5预报质量浓度与实况质量浓度的标准化平均偏差(NMB)和均方根误差(RMSE)均处于较低水平,表明预报效果均具有较好的稳定性;各季节PM_2.5实况质量浓度与预报质量浓度之间的相关系数(r)、一致性指数(IA)、准确率(Q)和级别预报准确率(G)均处于较高水平,其中Q值均>79%,G值均>80%,表明各季节PM_2.5实况质量浓度与预报质量浓度趋势的吻合程度较高。情景一各季节PM_2.5预报质量浓度与实况质量浓度的NMB和RMSE均低于情景...