本文主要研究内容
作者杜勤博,吴晓燕,郑素帆,李玥莹,陈欢欢,张宇烽（2019）在《汕头市PM2.5的气象要素影响分析及预报研究》一文中研究指出：利用2014—2017年汕头市PM2.5的日浓度资料、以及汕头市国家基准气象观测站的同期地面气象资料,重点分析了汕头市PM2.5浓度的变化特征以及风、混合层厚度、降水等气象条件对PM2.5浓度的影响,同时探讨了污染物浓度变化的成因。在此基础上,根据汕头市的气候特点,采用BP（Back-Propagation）人工神经网络方法针对汛期和非汛期分别建立了PM2.5质量浓度预报模型。结果表明:与多数内陆城市不同,汕头市PM2.5浓度日变化为单峰型,这与汕头地处沿海受海陆风影响有关; PM2.5浓度日峰值出现在08时左右,除早高峰污染物排放增加的因素外,与早晨时段的低风速环境有关; PM2.5日均浓度随着风速的增大呈现减小趋势,PM2.5日均浓度与08时混合层厚度显著相关（相关系数为-0. 143）;汕头市非汛期PM2.5浓度比汛期高,这与汕头市的亚热带季风气候特征有关,汛期各量级降水（暴雨以上除外）对PM2.5的清除效果无明显差别,而非汛期降水对PM2.5浓度有明显清除作用; BP人工神经网络模型的预报效果表明,汛期和非汛期的PM2.5级别命中率TS分别为100%和90. 3%,准确指数分别为87. 7%和89. 9%,总体预报效果良好。不同时期预报模型出现正误差的数量和程度均大于负误差,汛期预报模型在有强降水发生时误差较大,而非汛期预报模型在有冷空气入侵时误差较大。
Abstract
li yong 2014—2017nian shan tou shi PM2.5de ri nong du zi liao 、yi ji shan tou shi guo jia ji zhun qi xiang guan ce zhan de tong ji de mian qi xiang zi liao ,chong dian fen xi le shan tou shi PM2.5nong du de bian hua te zheng yi ji feng 、hun ge ceng hou du 、jiang shui deng qi xiang tiao jian dui PM2.5nong du de ying xiang ,tong shi tan tao le wu ran wu nong du bian hua de cheng yin 。zai ci ji chu shang ,gen ju shan tou shi de qi hou te dian ,cai yong BP（Back-Propagation）ren gong shen jing wang lao fang fa zhen dui xun ji he fei xun ji fen bie jian li le PM2.5zhi liang nong du yu bao mo xing 。jie guo biao ming :yu duo shu nei liu cheng shi bu tong ,shan tou shi PM2.5nong du ri bian hua wei chan feng xing ,zhe yu shan tou de chu yan hai shou hai liu feng ying xiang you guan ; PM2.5nong du ri feng zhi chu xian zai 08shi zuo you ,chu zao gao feng wu ran wu pai fang zeng jia de yin su wai ,yu zao chen shi duan de di feng su huan jing you guan ; PM2.5ri jun nong du sui zhao feng su de zeng da cheng xian jian xiao qu shi ,PM2.5ri jun nong du yu 08shi hun ge ceng hou du xian zhe xiang guan （xiang guan ji shu wei -0. 143）;shan tou shi fei xun ji PM2.5nong du bi xun ji gao ,zhe yu shan tou shi de ya re dai ji feng qi hou te zheng you guan ,xun ji ge liang ji jiang shui （bao yu yi shang chu wai ）dui PM2.5de qing chu xiao guo mo ming xian cha bie ,er fei xun ji jiang shui dui PM2.5nong du you ming xian qing chu zuo yong ; BPren gong shen jing wang lao mo xing de yu bao xiao guo biao ming ,xun ji he fei xun ji de PM2.5ji bie ming zhong lv TSfen bie wei 100%he 90. 3%,zhun que zhi shu fen bie wei 87. 7%he 89. 9%,zong ti yu bao xiao guo liang hao 。bu tong shi ji yu bao mo xing chu xian zheng wu cha de shu liang he cheng du jun da yu fu wu cha ,xun ji yu bao mo xing zai you jiang jiang shui fa sheng shi wu cha jiao da ,er fei xun ji yu bao mo xing zai you leng kong qi ru qin shi wu cha jiao da 。
论文参考文献
论文详细介绍
论文作者分别是来自气象与环境学报的杜勤博,吴晓燕,郑素帆,李玥莹,陈欢欢,张宇烽，发表于刊物气象与环境学报2019年05期论文，是一篇关于气象条件论文,混合层厚度论文,神经网络模型论文,气象与环境学报2019年05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，资料来自气象与环境学报2019年05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：气象条件论文; 混合层厚度论文; 神经网络模型论文; 气象与环境学报2019年05期论文;