典型文献
基于深度学习的中国连续空间覆盖PM2.5浓度预报
文献摘要：
实现全国连续空间覆盖未来小时尺度的PM2.5浓度实时、高精度预报是一个难题.本文建立基于深度学习的多层长短期记忆迭代模型和改进的空间反向传播神经网络S-BPNN模型来实现全国小时尺度PM2.5浓度的空间预报.首先,研究基于空间相关性将全国1286个空气质量监测站点在空间上进行自适应分区,并对各个分区分别构建多层LSTM迭代预报模型实现未来24 h各个监测站点的PM2.5浓度的实时预报.其次,应用改进的S-BPNN空间化模型实现未来24 h全国连续空间覆盖的PM2.5浓度精细化制图.然后,利用2016—2019年中国PM2.5监测站的历史数据进行训练和验证,结果显示预报模型和空间化模型的相关系数R2分别为0.88和0.87,表明模型都能实现较高的精度.最后,基于提出的预报模型和空间化模型,辅助从监测站实时获取的大气污染数据和气象数据,通过搭建的大气污染物浓度预报智能化在线信息原型系统可实时发布预报结果并可进行空间化展示.研究实现了全国连续空间覆盖的PM2.5浓度高时空精度的实时预测,以支持大气污染联防联控和公众环境空间质量信息服务.
文献关键词：
大气污染;时空预报;PM2.5;深度学习
中图分类号：
作者姓名：
毛文婧;王卫林;焦利民;刘安宝
作者机构：
武汉大学资源与环境科学学院,湖北 武汉 430079;福建经纬测绘信息有限公司,福建福州 350001
文献出处：
引用格式：
[1]毛文婧;王卫林;焦利民;刘安宝-.基于深度学习的中国连续空间覆盖PM2.5浓度预报)[J].测绘学报,2022(03):361-372
A类：
时空预报
B类：
连续空间,空间覆盖,PM2,小时尺度,长短期记忆,反向传播神经网络,BPNN,国小,空间相关性,空气质量监测,监测站,自适应分区,预报模型,模型实现,实时预报,应用改进,空间化,精细化制图,历史数据,气象数据,大气污染物浓度,原型系统,实时发布,行空,实时预测,大气污染联防联控,环境空间,空间质量,信息服务
AB值：
0.2947
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。
