相关实验视频
Updated: Jul 6, 2025

Watershed Planning within a Quantitative Scenario Analysis Framework
Published on: July 24, 2016
一个整体的多尺度框架,用于对空气质量的长期预测
Shan Jiang1, Zu-Guo Yu2, Vo V Anh3,4
1School of Science, Hunan University of Technology and Business, Changsha, Hunan 410205, China.
准确的长期空气质量预测对于政策决策和健康影响评估至关重要. 本研究引入了一个集体多尺度框架,使用修改的实证模式分解 (EMD) 和改进的非静止振荡重新采样 (NSOR) 来增强PM2.5预测.
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:
- 准确的长期空气质量预测对于公共卫生和环境政策至关重要.
- 以前的预测方法在捕捉远程振荡和错误传播方面遇到了挑战.
研究的目的:
- 开发和验证一个整体的多尺度框架,以改善长期空气质量预测.
- 为了提高每日PM2.5预测的准确性和稳定性.
主要方法:
- 利用经过修改的实证模式分解 (EMD) 进行稳定组件提取.
- 实施了一套改进非静止振荡重新采样 (NSOR) 的整体机制,以减轻错误传播.
- 在香港的14个监测站应用了框架来预测每日PM2.5度.
主要成果:
- 拟议的框架有效地捕捉了空气污染的长期变化.
- 实现了8.4%的平方根平均误差降低和9.2%的平均绝对误差降低100天预测.
- 在180天和365天的预测场景中表现出更好的稳定性.
结论:
- 整体多尺度框架显著提高了长期空气质量预测性能.
- 该方法是稳固的,适用于一般的长期时间序列预测.
- 改进的预测有助于制定更好的空气污染控制战略和对健康的影响评估.
更多相关视频
11:53Spatial Multiobjective Optimization of Agricultural Conservation Practices using a SWAT Model and an Evolutionary Algorithm
Published on: December 9, 2012
10:29Calibrated Passive Sampling - Multi-plot Field Measurements of NH3 Emissions with a Combination of Dynamic Tube Method and Passive Samplers
Published on: March 21, 2016
相关概念视频
Precipitation and Co-precipitation
Design Example: Analyzing Capacity Contours for Flood Risk Assessment
Multi-input and Multi-variable systems
In the absence...
Precipitation Processes
Estimation of the Physical Quantities