本文主要研究内容
作者王勇,任栋,刘严萍,李江波（2019）在《融合GNSS PWV、风速与大气污染观测的河北省春季PM2.5浓度模型研究》一文中研究指出：PM2.5浓度时空演化特征分析有助于大气污染的现状和发展认知,但PM2.5浓度监测积累时间较短,且受到排放强度和气象因素的影响,因此可融合全球导航卫星系统(Global Navigation Satellite System,GNSS)天顶可降水量(precipitable water vapor,PWV)、风速和大气污染物构建PM2.5浓度模型。以河北省为例,首先分别开展PM2.5浓度与大气污染物、GNSS PWV及风速的相关性分析;然后将大气污染物、GNSS PWV和风速作为输入,PM2.5浓度作为输出,利用逆传播(back propagation,BP)神经网络分别构建城市PM2.5浓度模型和区域PM2.5浓度模型;最后进行PM2.5浓度模型可靠性检验。将模型预测值与PM2.5浓度实测值比较发现,预测PM2.5浓度等级准确率高,相对误差较低。该模型可用于区域PM2.5浓度时空演化特征分析。
Abstract
PM2.5nong du shi kong yan hua te zheng fen xi you zhu yu da qi wu ran de xian zhuang he fa zhan ren zhi ,dan PM2.5nong du jian ce ji lei shi jian jiao duan ,ju shou dao pai fang jiang du he qi xiang yin su de ying xiang ,yin ci ke rong ge quan qiu dao hang wei xing ji tong (Global Navigation Satellite System,GNSS)tian ding ke jiang shui liang (precipitable water vapor,PWV)、feng su he da qi wu ran wu gou jian PM2.5nong du mo xing 。yi he bei sheng wei li ,shou xian fen bie kai zhan PM2.5nong du yu da qi wu ran wu 、GNSS PWVji feng su de xiang guan xing fen xi ;ran hou jiang da qi wu ran wu 、GNSS PWVhe feng su zuo wei shu ru ,PM2.5nong du zuo wei shu chu ,li yong ni chuan bo (back propagation,BP)shen jing wang lao fen bie gou jian cheng shi PM2.5nong du mo xing he ou yu PM2.5nong du mo xing ;zui hou jin hang PM2.5nong du mo xing ke kao xing jian yan 。jiang mo xing yu ce zhi yu PM2.5nong du shi ce zhi bi jiao fa xian ,yu ce PM2.5nong du deng ji zhun que lv gao ,xiang dui wu cha jiao di 。gai mo xing ke yong yu ou yu PM2.5nong du shi kong yan hua te zheng fen xi 。
论文参考文献
论文详细介绍
论文作者分别是来自武汉大学学报(信息科学版)的王勇,任栋,刘严萍,李江波，发表于刊物武汉大学学报(信息科学版)2019年08期论文，是一篇关于大气污染物论文,天顶可降水量论文,风速论文,神经网络论文,武汉大学学报(信息科学版)2019年08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，资料来自武汉大学学报(信息科学版)2019年08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：大气污染物论文; 天顶可降水量论文; 风速论文; 神经网络论文; 武汉大学学报(信息科学版)2019年08期论文;