融合GNSS气象参数的BP神经网络雾霾预测研究

结合IGS中心获取的BJFS站气象参数(气温(T)、气压(P)、大气可降水量(PWV))及同期PM2.5数据,建立一种融合时序网络和回归网络的雾霾预测模型,对PM2.5浓度进行预测。研究表明,引入GNSS气象参数的融合网络模型较单一网络模型适应性强、准确度高,在一定精度范围内可准确预测PM2.5的变化,时效性达3h。本文结论验证了卫星导航技术应用于雾霾天气监测及预报的可行性。

融合GNSS气象参数的PM2.5随机森林预测模型

针对PM2.5浓度的预报问题,该文结合国家GNSS服务(IGS)分析中心获取的北京房山站的气象数据及同期的PM2.5实测数据,分析了气象因子和环境污染物因子对PM2.5浓度的影响,并提出了基于随机森林算法的PM2.5浓度预测方法,建立了融合GNSS气象参数的PM2.5随机森林预测模型。实验结果表明:该算法的时效性达6 h,在一定精度范围内能够取得较好的预测效果,同时能够有效地抑制过拟合的现象。