应用SVM的PM2.5未来一小时浓度动态预报模型

作者：张长江; 戴李杰; 马雷鸣

来源：红外与激光工程, 2017, 46(02): 252-259.

• PM2.5
• 浓度预报
• 支持向量机
• 动态模型

目前现有的PM2.5模式预报值偏离实况观测值较大。针对上述问题,从上海浦东气象局获得2012年11月2013年11月的PM2.5实况观测浓度、PM2.5模式预报(WRF-CHEM)浓度和主要气象影响因子的模式预报数据资料,在PM2.5模式预报数据的基础上,加入另外5个主要气象影响因子的模式预报数据,应用支持向量机(SVM)建立动态预报模型,提高PM2.5未来一小时浓度预报的精度,并且与径向基神经网络(RBFNN)、多元线性回归法(MLR)、WRF-CHEM作对比。实验结果表明:该算法较大提高了PM2.5未来一小时浓度预报的精度,预报精度优于RBFNN、MLR和WRF-CHEM,并且对PM2.5浓度变化剧烈的情况具有较好地预报能力。

• 单位
  浙江师范大学; 上海市浦东新区气象局