基于GRNN神经网络模型结合气溶胶消光系数和气象要素评估颗粒物质量浓度

摘要：

大气颗粒物是最重要的空气污染物之一,会对人类健康产生负面影响.激光雷达探测是实现颗粒物分布高精度测量的可行手段.气溶胶消光系数在一定程度上能反映气溶胶质量浓度的相对大小,气象要素对消光系数和质量浓度的影响不容忽视.本团队利用反演得到的消光系数,结合地面温度、相对湿度、风速、地面气压等地面气象要素,与PM2.5、PM10质量浓度建立数据集;通过主成分分析法计算数据特征,基于广义回归神经网络(GRNN)对PM2.5、PM10质量浓度建立评估模型.GRNN模型得到的PM2.5和PM10质量浓度的评估值与真实值的相关系数分别为0.86和0.85,均方根误差(RMSE)分别为2.58 μg/m3和10.84 μg/m3,平均绝对误差(MAE)分别为0.81 μg/m3和1.53 μg/m3.将GRNN模型应用于激光雷达扫描模式下,对南京市浦口区颗粒物质量浓度的水平分布进行了评估,评估值和实际站点测量值的一致性较好,进一步验证了 GRNN模型用于颗粒物质量浓度评估的有效性.

关键词：遥感、气溶胶消光系数、颗粒物质量浓度、神经网络、气象要素

所属期刊栏目：49

分类号：X831;P412.25;P407.5(环境监测)

资助基金：国家自然科学基金42175145

在线出版日期：2022-11-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：125-135