本文主要研究内容
作者刘林波,刘立龙,黎峻宇,黄良珂,周威,甘祥前（2019）在《联合水汽因子的GA-BP神经网络PM2.5质量浓度预测》一文中研究指出：针对北京地区频繁的雾霾灾害天气,利用影响雾霾的主要因素作为预报因子,采用遗传算法优化后的BP（GA-BP）神经网络建立了PM2.5质量浓度预测模型,并对其进行可靠性分析。结果表明:1)通过CMONOC数据和相关气象温度、气压数据反演得到的3个CMONOC站点BJFS、 BJGB、 BJSH的大气水汽（GPS-PWV）数据与PM2.5质量浓度之间的相关系数分别为0.642 2、 0.644 1、 0.641 3,呈中度相关; 2)在预报因子不同的条件下, GA-BP神经网络模型均比BP神经网络的预测值精度更高; 3)利用CO、 NO2、 SO2、 O3、湿度等5种主要影响因素作为预报因子,采用GA-BP神经网络模型预测的PM2.5数据,其平均相对误差为11.0%,将这5种因素分别结合同一时段3个站点的GPS-PWV数据作为预报因子进行预测,其平均相对误差分别降低了2.8%、 0.8%、 3%; 4)联合GPS-PWV数据与影响雾霾天气的主要因素,基于GA-BP神经网络预测的PM2.5值具有相对较好的精度和可靠性。
Abstract
zhen dui bei jing de ou pin fan de wu mai zai hai tian qi ,li yong ying xiang wu mai de zhu yao yin su zuo wei yu bao yin zi ,cai yong wei chuan suan fa you hua hou de BP（GA-BP）shen jing wang lao jian li le PM2.5zhi liang nong du yu ce mo xing ,bing dui ji jin hang ke kao xing fen xi 。jie guo biao ming :1)tong guo CMONOCshu ju he xiang guan qi xiang wen du 、qi ya shu ju fan yan de dao de 3ge CMONOCzhan dian BJFS、 BJGB、 BJSHde da qi shui qi （GPS-PWV）shu ju yu PM2.5zhi liang nong du zhi jian de xiang guan ji shu fen bie wei 0.642 2、 0.644 1、 0.641 3,cheng zhong du xiang guan ; 2)zai yu bao yin zi bu tong de tiao jian xia , GA-BPshen jing wang lao mo xing jun bi BPshen jing wang lao de yu ce zhi jing du geng gao ; 3)li yong CO、 NO2、 SO2、 O3、shi du deng 5chong zhu yao ying xiang yin su zuo wei yu bao yin zi ,cai yong GA-BPshen jing wang lao mo xing yu ce de PM2.5shu ju ,ji ping jun xiang dui wu cha wei 11.0%,jiang zhe 5chong yin su fen bie jie ge tong yi shi duan 3ge zhan dian de GPS-PWVshu ju zuo wei yu bao yin zi jin hang yu ce ,ji ping jun xiang dui wu cha fen bie jiang di le 2.8%、 0.8%、 3%; 4)lian ge GPS-PWVshu ju yu ying xiang wu mai tian qi de zhu yao yin su ,ji yu GA-BPshen jing wang lao yu ce de PM2.5zhi ju you xiang dui jiao hao de jing du he ke kao xing 。
论文参考文献
论文详细介绍
论文作者分别是来自桂林理工大学学报的刘林波,刘立龙,黎峻宇,黄良珂,周威,甘祥前，发表于刊物桂林理工大学学报2019年02期论文，是一篇关于神经网络论文,相关性论文,相对误差论文,桂林理工大学学报2019年02期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自桂林理工大学学报2019年02期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：神经网络论文; 相关性论文; 相对误差论文; 桂林理工大学学报2019年02期论文;