典型文献
天门市PM2.5和PM10颗粒污染物特征及其预测模型
文献摘要：
利用2017年1月1日至2020年5月30日PM2.5、PM10大气颗粒污染物质量浓度逐时监测数据,分析了大气颗粒污染物与气温、降水、相对湿度和风速风向等气象因子的关系.结果表明,PM2.5和PM10颗粒物质量浓度与 日平均气温呈先上升后下降的关系,10℃以下颗粒物浓度随着气温的上升而升高,而10℃以上随着气温的逐渐升高,浓度则下降;降水对PM2.5、PM10污染物有明显的清除作用,降水每增加1 mm,浓度分别减少0.72 μg/m3和1.22 μg/m3;相对湿度在30％～70％,PM2.5和PM10质量浓度随相对湿度增大而增加;相对湿度在70％～100％,浓度则随相对湿度增大而减少;PM2.5和PM10质量浓度随着风速的增大而显著下降.比较分析多元非线性回归预测模型、多元线性回归模型和自适应线性神经网络模型的预测能力,PM2.5、PM10逐日质量浓度与当日气温、降水、风速所建立的多元非线性回归模型适合天门市颗粒污染物质量浓度的预测.
文献关键词：
PM2.5;PM10;气象条件;多元非线性回归;天门市
中图分类号：
作者姓名：
鞠英芹;马德栗;杜良敏;黄忠
作者机构：
中国气象局气象干部培训学院湖北分院,武汉 430074;武汉区域气候中心,武汉 430074;天门市气象局,湖北天门 431700
文献出处：
引用格式：
[1]鞠英芹;马德栗;杜良敏;黄忠-.天门市PM2.5和PM10颗粒污染物特征及其预测模型)[J].湖北农业科学,2022(01):74-79
A类：
B类：
天门市,PM2,PM10,大气颗粒污染物,污染物质量浓度,相对湿度,风速风向,气象因子,颗粒物质量浓度,日平均气温,先上,颗粒物浓度,清除作用,回归预测模型,多元线性回归模型,预测能力,逐日,当日,日气温,多元非线性回归模型,气象条件
AB值：
0.200265
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。
