季节指数改进的PM2.5质量浓度组合预测模型研究
随着我国的经济和城市化迅速发展,PM2.5主导的区域空气污染已成为紧迫、突出的环境问题.据相关研究表明,PM2.5在不同季节质量浓度差异较大.根据广州市2015~2019年的PM2.5月均质量浓度数据,结合大气污染物及气象因素,引入季节指数,建立预测PM2.5质量浓度的改进多元线性回归和多层感知器组合预测模型,探析广州市大气污染物中PM2.5质量浓度的变化规律.结果表明,用季节指数改进的组合预测模型对PM2.5质量浓度进行预测分析,拟合结果良好.使用不同评价指标将组合模型与传统的多层感知器预测模型和多元线性回归模型进行对比,该组合模型的均方根误差(Root?Mean?Square?Error,RMSE)、平均绝对百分比误差(Mean?Absolute?Percentage?Error,MAPE)、平均绝对误差(Mean?Absolute?Error,MAE)分别比多层感知器模型减少了23.1%、31%、24.2%;比多元线性回归模型减少了35.3%、41.3%、41%.该模型精度均优于传统的多元线性回归模型和多层感知器模型,能更好地预测环境PM2.5质量浓度,为优化环境提供参考.
PM2.5质量浓度预测、多元线性回归、多层感知器、神经网络
39
X831;X513(环境监测)
广东省自然科学基金资助项目;广东省自然科学基金资助项目
2022-05-31(万方平台首次上网日期,不代表论文的发表时间)
共6页
89-94