气溶胶散射吸湿增长因子的BP神经网络模型
气溶胶组分、结构以及形态的复杂性对高湿条件下气溶胶散射吸湿增长因子统计模型的适用性提出 了挑战.基于成都市2017年10-12月浊度计和黑碳仪的逐时观测资料,结合同时次的环境气象监测数据,利用"光学综合法"计算气溶胶散射吸湿增长因子.以相对湿度(RH)、CBC、CBC/CPM2.5、CPM1/CPM2.5以及CPM2.5/CPM10作为输入因子[CBC、CPM1、CPM2.5、CPM10分别为黑碳(BC)、PM1、PM2.5、PM10的质量浓度],构建了气溶胶散射吸湿增长因子的BP神经网络模型.结果表明:气溶胶散射吸湿增长因子BP神经网络模型、多变量GAM模型、双变量模型以及单变量二次多项式模型的判决系数(R2)分别为0.870、0.792、0.744和0.650,其中高湿条件(RH>85%)下模拟值的判决系数(R2)分别为0.749、0.685、0.638和0.538.多模型对比表明,气溶胶散射吸湿增长因子BP神经网络模型的模拟效果最优,显著降低了统计模型在高湿条件(RH>85%)下的模拟误差.
气溶胶、散射吸湿增长因子、人工神经网络、BP模型、成都
41
TK268.+1;TP391;X513
四川省科技厅应用基础研发项目;国家重点研发计划;国家重点研发计划
2023-09-14(万方平台首次上网日期,不代表论文的发表时间)
共8页
131-137,165