科研之友
微信
新浪微博
Facebook
分享链接
摘要
目前对空气质量的预报常使用WRF-CMAQ模拟体系，但受限于模拟条件，预测结果并不理想，因此基于某监测点的污染物浓度实测数据，在预报过程中使用这些实测数据对一次预报数据进行修正以达到更好的预报效果。利用极限学习机模型训练对数据的预测，以AQI和首要污染物的误差这两个指标的加权组合作为适应度，通过遗传算法来优化模型，得到更准确地预测结果。并在对位置时间数据进行预测时采用滚动预测的方法以降低预测误差，相较于一次预测的预测误差降低了5%以上。结果表明：优化后的模型在空气质量预测的准确率方面有很大的提高。
- 单位
