联合水汽因子的GA-BP神经网络PM2.5质量浓度预测

作者：刘林波; 刘立龙^*; 黎峻宇; 黄良珂; 周威; 甘祥前

来源：桂林理工大学学报, 2019, 39(02): 420-426.

• GPS-PWV
• PM2.5
• GA-BP神经网络
• 相关性
• 相对误差

针对北京地区频繁的雾霾灾害天气,利用影响雾霾的主要因素作为预报因子,采用遗传算法优化后的BP(GA-BP)神经网络建立了PM2.5质量浓度预测模型,并对其进行可靠性分析。结果表明:1)通过CMONOC数据和相关气象温度、气压数据反演得到的3个CMONOC站点BJFS、 BJGB、 BJSH的大气水汽(GPS-PWV)数据与PM2.5质量浓度之间的相关系数分别为0.642 2、 0.644 1、 0.641 3,呈中度相关; 2)在预报因子不同的条件下, GA-BP神经网络模型均比BP神经网络的预测值精度更高; 3)利用CO、 NO2、 SO2、 O3、湿度等5种主要影响因素作为预报因子,采用GA-BP神经网络模型预测的PM2.5数据,其平均相对误差为11.0%,将这5种因素分别结合同一时段3个站点的GPS-PWV数据作为预报因子进行预测,其平均相对误差分别降低了2.8%、 0.8%、 3%; 4)联合GPS-PWV数据与影响雾霾天气的主要因素,基于GA-BP神经网络预测的PM2.5值具有相对较好的精度和可靠性。

• 单位
  桂林理工大学; 广西空间信息与测绘重点实验室