基于组合模型的PM2.5浓度预测及其不确定性分析

王学梅; 王凤文; 陈滔; 张庆国; 蒋跃林

首页> 中文期刊> 《环境工程》 >基于组合模型的PM2.5浓度预测及其不确定性分析

基于组合模型的PM2.5浓度预测及其不确定性分析

开具论文收录证明 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

运用GIS软件及克里金(Kriging)插值等方法分析合肥城市圈PM2.5浓度的时空分布,根据合肥市环境监测历史数据、地面气象站点数据及历史气象数据,采用多元回归分析、相关分析等方法,研究合肥市PM2.5浓度的影响因素.结果表明:1)PM2.5浓度整体变化情况为冬季>秋季>春季>夏季,大部分城市PM2.5浓度峰值出现在1月,之后浓度开始逐渐下降,7月达到最低值,此后浓度逐渐升高.2)PM2.5浓度与CO呈高度正相关,相关系数高达0.875;与PM10、SO2、NO2的相关性也较高;与O3呈负相关.PM2.5浓度与气压、风速、降雨量以及能见度呈负相关,与温度、相对湿度呈强正相关.基于2018—2019年合肥市地面站点PM2.5浓度监测数据,构建预测PM2.5浓度的组合模型:对比三次指数平滑模型,确定模拟退火+遗传+三次指数平滑为优组合模型,拟合度达到95％.通过Kappa及MAPE指数对组合模型不确定性进行分析评价,两者分别为0.654和0.072,说明该模型具有高度稳定性.恰当的预测因子组合和模型不确定性研究有助于模型预测精度的提升和改善,从而为大气环境质量监测和评价提供参考.

著录项

来源
《环境工程》 |2020年第8期|229-235|共7页
作者
王学梅; 王凤文; 陈滔; 张庆国; 蒋跃林;
展开▼
作者单位

安徽农业大学资源与环境学院合肥 230036;

安徽省宣城市气象局安徽宣城 242000;

安徽农业大学资源与环境学院合肥 230036;

安徽农业大学工学院合肥 230036;

安徽农业大学理学院合肥 230036;

安徽农业大学资源与环境学院合肥 230036;

展开▼
原文格式 PDF
正文语种 chi
中图分类
关键词
PM2.5浓度; 时空分布; 预测; 组合模型; 不确定性分析;

相似文献

中文文献
外文文献
专利

1. 基于多层组合模型的武汉市月平均PM2.5浓度预测 [J] . 王徐凯 ,余华银 ,杨桂元 . 牡丹江师范学院学报（自然科学版） . 2021,第001期
2. 基于GCM（1,N）自适应关联组合模型的PM2.5浓度预测 [J] . 吕辰 ,吴宗之 ,傅贵 . 矿业科学学报 . 2017,第004期
3. 基于GCM(1,N)自适应关联组合模型的PM2.5浓度预测 [J] . 吕辰 ,吴宗之 ,傅贵 . 矿业科学学报 . 2017,第004期
4. 基于随机森林回归分析的PM2.5浓度预测模型 [J] . 杜续 ,冯景瑜 ,吕少卿 . 电信科学 . 2017,第007期
5. 基于ARMA模型的南京市PM2.5浓度分析与预测 [J] . 刘玲 ,宋马林 . 枣庄学院学报 . 2016,第002期
6. 基于逐步回归分析法的宜宾市PM2.5浓度的统计预报模型研究 [C] . 周书华 ,颜华 ,吴建军 . 2017中国环境科学学会科学与技术年会 . 2017
7. 基于组合模型的城市PM2.5浓度预测研究 [A] . 薛丹阳 . 2018

基于组合模型的PM2.5浓度预测及其不确定性分析

摘要

著录项

相似文献

相关主题

期刊订阅