模拟每日PM2.5度,使用波波分析和人工神经网络与遥感和表面观测数据进行模拟.
Qingchun Guo1, Zhenfang He2, Zhaosheng Wang3
1School of Geography and Environment, Liaocheng University, Liaocheng, 252000, China; Key Laboratory of Atmospheric Chemistry, China Meteorological Administration, Beijing, 100081, China; State Key Laboratory of Loess and Quaternary Geology, Institute of Earth Environment, Chinese Academy of Sciences, Xi'an, 710061, China.
Chemosphere
|August 23, 2023
概括
一个新的WANN模型使用遥感和表面数据准确预测每日PM2.5度. 这种先进的方法显著优于传统的ANN模型,改善了公共卫生和污染控制工作.
科学领域:
- 环境科学 环境科学
- 数据科学数据科学数据科学
- 大气科学 大气科学
背景情况:
- 准确预测PM2.5度对于公共卫生和环境管理至关重要.
- 传统的预测方法经常在准确性和可靠性方面扎.
- 遥感和地表观测数据为空气质量建模提供了宝贵的投入.
研究的目的:
- 开发和评估一个适应模型来预测每日PM2.5度.
- 将波形人工神经网络 (WANN) 模型与标准人工神经网络 (ANN) 模型的性能进行比较.
- 评估使用WANN进行短期 (1天提前) PM2.5预测的可行性.
主要方法:
- 开发了一个结合波形分析和人工神经网络 (WANN) 的自适应模型.
- 遥感和表面观测数据被用作模型的输入.
- 使用皮尔森相关系数 (R),平均绝对百分比误差 (MAPE),根平均平方误差 (RMSE) 和平均绝对误差 (MAE) 评估模型性能.
主要成果:
- 在测试过程中,WANN模型与ANN (0.6844) 相比,显示出更高R (0.9990) 的优异性能.
- 在WANN中,错误指标显著降低:MAPE (3.6988%),RMSE (1.0145μg/m3) 和MAE (1.3864μg/m3).
- 与ANN相比,WANN显示培训/验证错误减少,培训准确性和稳定性更高.
结论:
- WANN模型是一个可行的和有效的工具,可以提前一天预测每日PM2.5度.
- 波波分析的集成提高了ANN模型的空气质量预测的预测能力和稳定性.
- 这种方法为改善空气污染监测和公共卫生保护提供了有希望的解决方案.
