| 融合Lamb-Jenkinson分型法和LSTM神经网络的PM2.5预测研究 |
| |
| 引用本文： | 段雯瑜,陈敏东,黄山江,戴美魁,王新宁,徐利.融合Lamb-Jenkinson分型法和LSTM神经网络的PM2.5预测研究[J].环境科学与技术,2020,43(1):92-97. |
| |
| 作者姓名： | 段雯瑜 陈敏东 黄山江 戴美魁 王新宁 徐利 |
| |
| 作者单位： | 江苏省大气环境监测与污染控制重点实验室,南京信息工程大学环境科学与工程学院,江苏 南京 210044;张家口市气象局,河北 张家口 075000,江苏省大气环境监测与污染控制重点实验室,南京信息工程大学环境科学与工程学院,江苏 南京 210044,张家口市气象局,河北 张家口 075000,河北建筑工程学院,河北 张家口 075000,张家口市气象局,河北 张家口 075000,河北建筑工程学院,河北 张家口 075000 |
| |
| 摘 要： | 文章采用NCEP/NCAR逐日海平面气压场资料,利用Lamb-Jenkinson环流分型法对张家口大气环流进行分型,分析环流型与PM_(2.5)质量浓度之间的关系,并针对PM_(2.5)浓度的预测,提出一种融合Lamb-Jenkinson环流分型和LSTM神经网络混合模型的方法,即以环流指数为预测因子基于LSTM方法搭建PM_(2.5)质量浓度的预测模型。结果表明:影响张家口地区的主要环流型有反气旋型、气旋型、偏北平直型、西南平直型、偏西平直型、东北平直型等、西北平直型、偏东平直型。PM_(2.5)污染日出现的主要环流型为南气旋平直型、东南平直型、偏南平直型、偏东气旋型、西南气旋平直型、偏东平直型、气旋型等,而反气旋型和反气旋式平直环流型不利于污染出现。张家口地区的PM_(2.5)污染与地面环流有着密切的联系,当存在PM_(2.5)污染时,张家口地区处于日本海高压后部的均压场区域,污染越严重,日本海高压中心强度越强。模型预测结果的均方根误差为9.88、平均绝对误差为5.84、拟合优度达0.80,表明该模型具有一定的预报能力。
|
| 关 键 词： | 环流分型法 PM2.5 预测模型 LSTM神经网络 |
PM_(2.5) Prediction Based on Lamb-Jenkinson Method and LSTM Neural Network |
| |
| DUAN Wenyu,CHEN Mindong,HUANG Shanjiang,DAI Meikui,WANG Xinning,XU Li.PM_(2.5) Prediction Based on Lamb-Jenkinson Method and LSTM Neural Network[J].Environmental Science and Technology,2020,43(1):92-97. |
| |
| Authors: | DUAN Wenyu CHEN Mindong HUANG Shanjiang DAI Meikui WANG Xinning XU Li |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
