本文主要研究内容
作者杜勤博,陈欢欢,李玥莹,吴晓燕,郑素帆,肖俊光（2019）在《BP神经网络模型在O3质量浓度预报中的应用》一文中研究指出：采用BP神经网络和逐步线性回归两种模型,以2014—2017年汕头市金平环境监测子站的6种污染物质量浓度以及同期汕头市国家基准气象观测站37类地面气象观测数据为预报因子,对该站O3最大8 h质量浓度进行预测。结果表明:两种预报模型在历史数据拟合效果上并不存在明显差异,总体上冬春季的模型拟合度高于夏秋季。在2017年7和12月2个独立样本的预报效果检验中,BP网络模型预报准确指数（d）分别比回归模型高10.4%和0.8%;BP网络模型预报级别准确率（TS）分别比回归模型高12.9%和3.3%。BP网络模型无论在预报精度还是预报稳定度上均明显优于回归模型。夏秋季降水因子的影响常导致BP模型预报值出现正误差,冬春季冷空气南下的影响常导致BP模型预报出现负误差。
Abstract
cai yong BPshen jing wang lao he zhu bu xian xing hui gui liang chong mo xing ,yi 2014—2017nian shan tou shi jin ping huan jing jian ce zi zhan de 6chong wu ran wu zhi liang nong du yi ji tong ji shan tou shi guo jia ji zhun qi xiang guan ce zhan 37lei de mian qi xiang guan ce shu ju wei yu bao yin zi ,dui gai zhan O3zui da 8 hzhi liang nong du jin hang yu ce 。jie guo biao ming :liang chong yu bao mo xing zai li shi shu ju ni ge xiao guo shang bing bu cun zai ming xian cha yi ,zong ti shang dong chun ji de mo xing ni ge du gao yu xia qiu ji 。zai 2017nian 7he 12yue 2ge du li yang ben de yu bao xiao guo jian yan zhong ,BPwang lao mo xing yu bao zhun que zhi shu （d）fen bie bi hui gui mo xing gao 10.4%he 0.8%;BPwang lao mo xing yu bao ji bie zhun que lv （TS）fen bie bi hui gui mo xing gao 12.9%he 3.3%。BPwang lao mo xing mo lun zai yu bao jing du hai shi yu bao wen ding du shang jun ming xian you yu hui gui mo xing 。xia qiu ji jiang shui yin zi de ying xiang chang dao zhi BPmo xing yu bao zhi chu xian zheng wu cha ,dong chun ji leng kong qi na xia de ying xiang chang dao zhi BPmo xing yu bao chu xian fu wu cha 。
论文参考文献
论文详细介绍
论文作者分别是来自广东气象的杜勤博,陈欢欢,李玥莹,吴晓燕,郑素帆,肖俊光，发表于刊物广东气象2019年03期论文，是一篇关于环境气象论文,神经网络论文,质量浓度预测论文,逐步线性回归论文,气象条件论文,汕头市论文,广东气象2019年03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，资料来自广东气象2019年03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：环境气象论文; 神经网络论文; 质量浓度预测论文; 逐步线性回归论文; 气象条件论文; 汕头市论文; 广东气象2019年03期论文;