基于优化神经网络的AOD与PM2.5关系模型研究

作者：郭恒亮; 葛岂序; 代文浩; 乔宝晋^*

来源：环境科学与技术, 2021, 44(12): 46-53.

DOI：10.19672/j.cnki.1003-6504.1410.21.338

• 气溶胶光学厚度
• 暗像元
• 量化共轭梯度
• 神经网络模型

为了克服 BP 神经网络反演 PM2.5精度较低的问题，基于 2017-2019 年河南省 MODIS 气溶胶光学厚度(AOD)与 PM2.5浓度数据，使用量化共轭梯度算法代替传统 BP 神经网络使用的 LM(Levenberg-Marquardt)算法，收敛速度快，且不需要其他参数。为了验证优化算法，将研究数据按照季节分类，使用日均 PM2.5近地面值与 AOD 构建关系模型。对于 MODIS AOD 在时空上的缺失，使用暗像元算法反演 MODIS 遥感图像作为补充。其中 70% 数据建立训练集，20% 的数据建立验证集，10% 的数据建立测试集。实验结果表明：PM2.5与 AOD 存在正相关性，其中春季相关性 0.7，夏季 0.84，秋季 0.68，冬季 0.56。优化的模型相比 BP 神经网络模型，R 值四季均有提高，春季 0.54 提升到 0.62，夏季 0.82 提升到 0.86，秋季 0.72 提升到 0.79，冬季 0.53 提升到 0.64;RMSE 四季均有降低。从结果可以看出，PM2.5与 AOD 存在显著的相关性，可以用 AOD 来反演 PM2.5。优化的神经网络模型在精度上有明显提高，可以用于估算高精度的PM2.5浓度。

• 单位
  郑州大学