期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
时间精度与空间信息对神经网络模型预报PM2.5浓度的影响
被引量:
6
1
作者
邹思琳
任晓晨
+1 位作者
王成功
韦骏
《北京大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2020年第3期417-426,共10页
以北京市为例,利用2015-2018年空气质量监测站台资料,通过BP神经网络、LSTM网络及CNNLSTM混合模型等多种模型,分析时间精度和空间信息对PM2.5浓度预报的影响。结果表明,神经网络模型的效果普遍比多元线性回归模型好;增加输入数据的时间...
以北京市为例,利用2015-2018年空气质量监测站台资料,通过BP神经网络、LSTM网络及CNNLSTM混合模型等多种模型,分析时间精度和空间信息对PM2.5浓度预报的影响。结果表明,神经网络模型的效果普遍比多元线性回归模型好;增加输入数据的时间精度能显著地提高PM2.5浓度日均值预报的准确率;当输入数据的时间精度从一天提高到6小时后,LSTM模型的平均绝对误差从27.39μg/m^3降至20.59μg/m^3,这种效果的提升在显著变好和显著变差的天气情况下更明显;华北地区PM2.5浓度分布有明显的时空特征,第一空间模态为同增同减,第二空间模态为南北反向;北京市PM2.5浓度与内蒙古、河北及天津等地区前一天的PM2.5相关。利用CNN-LSTM混合模型学习华北地区PM2.5的时空信息,能进一步提高北京市PM2.5浓度的预报水平,使得误差降低至17.36μg/m^3。
展开更多
关键词
神经网络
PM2.5预报
时间精度
空间特征
下载PDF
职称材料
基于集合经验模态分解和BP神经网络的北京市PM2.5预报研究
被引量:
5
2
作者
任晓晨
邹思琳
+1 位作者
唐娴
韦骏
《北京大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2019年第4期615-625,共11页
利用集合经验模态分解算法(EEMD)和BP神经网络组成的混合模型,对北京城区PM2.5浓度值进行短期预报。结果表明,与单独使用BP神经网络模型相比,EEMD-BP混合模型的预报准确率更高;混合模型高频部分的预报误差是整体误差的主要方面;混合模...
利用集合经验模态分解算法(EEMD)和BP神经网络组成的混合模型,对北京城区PM2.5浓度值进行短期预报。结果表明,与单独使用BP神经网络模型相比,EEMD-BP混合模型的预报准确率更高;混合模型高频部分的预报误差是整体误差的主要方面;混合模型的输入变量中需包含输出变量的信息;前期污染物浓度的数值对模型的预报结果有较大的影响。
展开更多
关键词
集合经验模态分解算法(EEMD)
BP神经网络
PM2.5预报
下载PDF
职称材料
题名
时间精度与空间信息对神经网络模型预报PM2.5浓度的影响
被引量:
6
1
作者
邹思琳
任晓晨
王成功
韦骏
机构
北京大学物理学院大气与海洋科学系
[
中山大学大气科学学院
出处
《北京大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2020年第3期417-426,共10页
基金
国家自然科学基金(41476008)
广西壮族自治区特聘专家专项经费(2018B08)资助。
文摘
以北京市为例,利用2015-2018年空气质量监测站台资料,通过BP神经网络、LSTM网络及CNNLSTM混合模型等多种模型,分析时间精度和空间信息对PM2.5浓度预报的影响。结果表明,神经网络模型的效果普遍比多元线性回归模型好;增加输入数据的时间精度能显著地提高PM2.5浓度日均值预报的准确率;当输入数据的时间精度从一天提高到6小时后,LSTM模型的平均绝对误差从27.39μg/m^3降至20.59μg/m^3,这种效果的提升在显著变好和显著变差的天气情况下更明显;华北地区PM2.5浓度分布有明显的时空特征,第一空间模态为同增同减,第二空间模态为南北反向;北京市PM2.5浓度与内蒙古、河北及天津等地区前一天的PM2.5相关。利用CNN-LSTM混合模型学习华北地区PM2.5的时空信息,能进一步提高北京市PM2.5浓度的预报水平,使得误差降低至17.36μg/m^3。
关键词
神经网络
PM2.5预报
时间精度
空间特征
Keywords
neural networks
PM2.5 prediction
temporal resolution
spatial characteristics
分类号
X831 [环境科学与工程—环境工程]
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于集合经验模态分解和BP神经网络的北京市PM2.5预报研究
被引量:
5
2
作者
任晓晨
邹思琳
唐娴
韦骏
机构
北京大学物理学院大气与海洋科学系
中国气象局公共气象服务中心
中山大学大气科学学院
中国人民解放军
出处
《北京大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2019年第4期615-625,共11页
基金
国家自然科学基金(41476008,41576018)
广西壮族自治区特聘专家专项经费(2018B08)资助
文摘
利用集合经验模态分解算法(EEMD)和BP神经网络组成的混合模型,对北京城区PM2.5浓度值进行短期预报。结果表明,与单独使用BP神经网络模型相比,EEMD-BP混合模型的预报准确率更高;混合模型高频部分的预报误差是整体误差的主要方面;混合模型的输入变量中需包含输出变量的信息;前期污染物浓度的数值对模型的预报结果有较大的影响。
关键词
集合经验模态分解算法(EEMD)
BP神经网络
PM2.5预报
Keywords
ensemble empirical mode decomposition(EEMD)
BP neural network
PM2.5 forecast
分类号
X513 [环境科学与工程—环境工程]
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
时间精度与空间信息对神经网络模型预报PM2.5浓度的影响
邹思琳
任晓晨
王成功
韦骏
《北京大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2020
6
下载PDF
职称材料
2
基于集合经验模态分解和BP神经网络的北京市PM2.5预报研究
任晓晨
邹思琳
唐娴
韦骏
《北京大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2019
5
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部