首页|融合Lamb-Jenkinson分型法和LSTM神经网络的PM2.5预测研究

融合Lamb-Jenkinson分型法和LSTM神经网络的PM2.5预测研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
文章采用NCEP/NCAR逐日海平面气压场资料,利用Lamb-Jenkinson环流分型法对张家口大气环流进行分型,分析环流型与PM25质量浓度之间的关系,并针对PM2.5浓度的预测,提出一种融合Lamb-Jenkinson环流分型和LSTM神经网络混合模型的方法,即以环流指数为预测因子基于LSTM方法搭建PM2.5质量浓度的预测模型.结果 表明:影响张家口地区的主要环流型有反气旋型、气旋型、偏北平直型、西南平直型、偏西平直型、东北平直型等、西北平直型、偏东平直型.PM2.5污染日出现的主要环流型为南气旋平直型、东南平直型、偏南平直型、偏东气旋型、西南气旋平直型、偏东平直型、气旋型等,而反气旋型和反气旋式平直环流型不利于污染出现.张家口地区的PM2.5污染与地面环流有着密切的联系,当存在PM2.5污染时,张家口地区处于日本海高压后部的均压场区域,污染越严重,日本海高压中心强度越强.模型预测结果的均方根误差为9.88、平均绝对误差为5.84、拟合优度达0.80,表明该模型具有一定的预报能力.
PM2.5 Prediction Based on Lamb-Jenkinson Method and LSTM Neural Network

段雯瑜、陈敏东、黄山江、戴美魁、王新宁、徐利

展开 >

江苏省大气环境监测与污染控制重点实验室,南京信息工程大学环境科学与工程学院,江苏 南京 210044

张家口市气象局,河北 张家口 075000

河北建筑工程学院,河北 张家口 075000

环流分型法 PM2.5 预测模型 LSTM神经网络

国家重点研发计划

2018YFC0213802

2020

10.19672/j.cnki.1003-6504.2020.01.014

环境科学与技术
湖北省环境科学研究院

环境科学与技术

CSTPCDCSCD北大核心
影响因子：0.943
ISSN：1003-6504
年,卷(期)：2020.43(1)
  • 4
  • 18