典型文献
基于后向气团轨迹的大气污染特征时序混合模型研究
文献摘要：
由于大气污染监测数据量大且具备长时序特征,深度学习领域已将其作为一种标准数据集使用.针对现有大气污染预测方法未能结合大气传输的物理机理和有效考虑污染物传输的时空特征等问题,提出一种基于多模型混合的特征与时序污染物预测模型,利用HYSPLIT(Hybrid Single-Particle Lagrangian Integrated Trajectory)计算后向气团运动轨迹,引入VGG(Visual Geometry Group)模型提取气团轨迹线的变化特征;将其与污染物和气象时序数据结合,输入LSTM(Long Short-Term Memory)模型,预测研究区域内的目标污染物浓度,以评估研究区域的空气质量状况.以桂林市61个空气质量监测站点的污染物和相关气象在线监测数据为基础,对模型性能进行了评估,将实验结果与几种先进的方法进行了比较.结果表明,提出的H-VGG-LSTM(HYSPLIT-VGG-LSTM)模型有效提高了大气污染物的预测准确度,其预测结果的 RMSE(Root Mean Squared Error),MAE(Mean Absolute Error)和 SMAPE(Symmetric Mean Absolute Percentage Error)分别为0.202,1.198和1.97％,预测性能和其他先进模型相比有明显的提升.证明该模型对复杂气象条件下的污染物预测更准确,并具有较好的泛化性能.
文献关键词：
大气污染预测;PM2 5;后向轨迹模拟;卷积神经网络;LSTM
中图分类号：
作者姓名：
许睿;刘相阳;文益民;沈世铭;李建
作者机构：
桂林电子科技大学计算机与信息安全学院,桂林,541004;卫星导航定位与位置服务国家地方联合工程研究中心,桂林,541004
文献出处：
引用格式：
[1]许睿;刘相阳;文益民;沈世铭;李建-.基于后向气团轨迹的大气污染特征时序混合模型研究)[J].南京大学学报（自然科学版）,2022(06):1041-1049
A类：
大气污染预测
B类：
气团,大气污染特征,混合模型,污染监测,数据量,长时序,时序特征,学习领域,已将,标准数据集,大气传输,物理机理,时空特征,多模型,HYSPLIT,Hybrid,Single,Particle,Lagrangian,Integrated,Trajectory,运动轨迹,VGG,Visual,Geometry,Group,轨迹线,时序数据,数据结,Long,Short,Term,Memory,预测研究,污染物浓度,评估研究,空气质量状况,桂林市,空气质量监测,监测站,在线监测,模型性能,大气污染物,预测准确度,RMSE,Root,Mean,Squared,Error,MAE,Absolute,SMAPE,Symmetric,Percentage,预测性能,复杂气象条件,泛化性能,PM2,后向轨迹模拟
AB值：
0.46562
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
