基于最优城市匹配神经网络模型的PM2.5插值方法

作者：周佩; 杨凡^*; 韦骏^*

来源：北京大学学报(自然科学版), 2023, 59(05): 793-800.

DOI：10.13209/j.0479-8023.2023.051

• PM2.5
• 自组织映射(SOM)
• 门控循环单元(GRU)
• 插值模型

为解决部分城市PM2.5浓度数据缺值严重,无法通过训练自身数据得到预报模型的问题,提出用相似城市的预报模型实现目标城市历史数据的填补。依据23个城市的气象数据、城市发展数据和PM2.5浓度数据,建立基于自组织映射(SOM)和门控循环单元(GRU)神经网络的PM2.5日均浓度数据插值模型,并分别利用该插值模型和传统插值方法(线性插值和样条插值)对不同类型的缺值数据进行填补,对比两者的填补效果。实验结果表明,基于SOM神经网络的城市匹配模型可以准确地匹配出目标城市的相似城市;当缺值数据少于5天时,利用传统插值方法的填补效果优于GRU插值模型;当缺值数据多于5天时,GRU插值模型更胜任长时间缺测数据的填补工作。

• 单位
  中山大学; 南方海洋科学与工程广东省实验室（珠海）; 国家海洋局珠海海洋环境监测中心站