| 空气质量模拟与观测机器学习NO2浓度预报 |
| |
| 引用本文： | 黄泳熙,朱云,谢阳红,李海贤,张志诚,黎杰,李金盈,袁颖枝.空气质量模拟与观测机器学习NO2浓度预报[J].中国环境科学,2023(12):6225-6234. |
| |
| 作者姓名： | 黄泳熙 朱云 谢阳红 李海贤 张志诚 黎杰 李金盈 袁颖枝 |
| |
| 作者单位： | 1. 华南理工大学环境与能源学院,广东省大气环境与污染控制重点实验室;2. 佛山市生态环境局顺德分局 |
| |
| 摘 要： | 在空气质量模拟预报数据基础上,采用套索算法(Lasso)将前馈神经网络(FNN)与基于污染物浓度及气象实时观测值搭建的长短期记忆网络(LSTM)组合,形成了模拟与观测机器学习(SOML)预报模型,开展了佛山市顺德区NO2未来3d10个镇街空气质量监测点位逐日浓度预报.结果显示:SOML3d的准确性均优于WRF-CMAQ及其它单一模型,其中第一天SOML平均绝对误差(MAE)为4.99μg/m3,改进幅度达66.18%;SOML不同季节适用性均较强,四季预报效果均较WRF-CMAQ明显提升(MAE分别降低42.18%、42.89%、61.04%、50.91%),其中秋冬季改善幅度更好;相比WRF-CMAQ,SOML预报结果能较好反映顺德区内各站点NO2浓度实际空间分布和数值水平,有效提升了浓度预报精准度.
|
| 关 键 词： | NO2浓度预报 机器学习 预报模型 WRF-CMAQ模型 空气质量监测 |
|
|
