深度学习方法在上海市PM2.5浓度预报中的应用
作者：马井会; 曹钰; 余钟奇; 瞿元昊; 许建明
摘要：为提升PM2.5浓度预报能力,尤其是对PM2.5重污染的预报能力,以中尺度气象-化学耦合模式系统(WRF-Chem)为基础,结合中尺度WRF气象预报数据、地面及高空气象观测数据、PM2.5浓度观测数据,基于人工智能深度学习序列到序列的算法建立了上海市PM2.5统计预报模型.结果表明,人工智能深度学习算法(Seq2seq)明显修正了WRF-Chem模式由于模型非客观性造成的偏差,提高了上海市PM2.5浓度的预报能力;该算法优化和修正了WRF-Chem模式结果,并通过检验发现可以使PM2.5浓度预报值与实况值间的相关系数由0.51上升至0.79,均方根误差由25.9μg/m3下降至15.01μg/m3.而单独使用套索法(Lasso)线性回归算法对WRF-Chem模式优化效果不理想.基于Seq2seq的PM2.5浓度预报修正模型能够有效提升预报精度.
分类：
- 期刊
- >
- 自然科学与工程技术
- >
- 工程科技I
- >
- 环境科学与资源利用
收录：
- Pж(AJ) 文摘杂志(俄)
- 国家图书馆馆藏
- 上海图书馆馆藏
- CA 化学文摘(美)
- 知网收录(中)
- 维普收录(中)
- 北大期刊(中国人文社会科学期刊)
- JST 日本科学技术振兴机构数据库(日)
- 万方收录(中)
- EI 工程索引(美)
- 统计源期刊(中国科技论文优秀期刊)
- CSCD 中国科学引文数据库来源期刊(含扩展版)
关键词：
- sequence
- to
- sequence模型
- 上海市
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
