典型文献
基于GRNN神经网络模型结合气溶胶消光系数和气象要素评估颗粒物质量浓度
文献摘要：
大气颗粒物是最重要的空气污染物之一，会对人类健康产生负面影响。激光雷达探测是实现颗粒物分布高精度测量的可行手段。气溶胶消光系数在一定程度上能反映气溶胶质量浓度的相对大小，气象要素对消光系数和质量浓度的影响不容忽视。本团队利用反演得到的消光系数，结合地面温度、相对湿度、风速、地面气压等地面气象要素，与PM2.5、PM10质量浓度建立数据集；通过主成分分析法计算数据特征，基于广义回归神经网络(GRNN)对PM2.5、PM10质量浓度建立评估模型。GRNN模型得到的PM2.5和PM10质量浓度的评估值与真实值的相关系数分别为0.86和0.85，均方根误差(RMSE)分别为2.58 μg/m3和10.84 μg/m3，平均绝对误差(MAE)分别为0.81 μg/m3和1.53 μg/m3。将GRNN模型应用于激光雷达扫描模式下，对南京市浦口区颗粒物质量浓度的水平分布进行了评估，评估值和实际站点测量值的一致性较好，进一步验证了GRNN模型用于颗粒物质量浓度评估的有效性。
文献关键词：
遥感;气溶胶消光系数;颗粒物质量浓度;神经网络;气象要素;remote sensing;aerosol extinction coefficient;particulate matter mass concentration;neural networks;meteorological elements
中图分类号：
作者姓名：
莫祖斯;卜令兵;王勤;林雪飞;BerhaneSamuel A.;杨彬;邓晨;李智
作者机构：
南京信息工程大学大气物理学院，气象灾害预警与评估协同创新中心，江苏 南京 210044;南京牧镭激光科技有限公司，江苏 南京 210038
文献出处：
引用格式：
[1]莫祖斯;卜令兵;王勤;林雪飞;BerhaneSamuel A.;杨彬;邓晨;李智-.基于GRNN神经网络模型结合气溶胶消光系数和气象要素评估颗粒物质量浓度)[J].中国激光,2022(17):1710001
A类：
气象要素评估
B类：
GRNN,气溶胶消光系数,颗粒物质量浓度,大气颗粒物,空气污染物,激光雷达探测,颗粒物分布,高精度测量,本团,演得,地面温度,相对湿度,地面气象要素,PM2,PM10,算数,数据特征,广义回归神经网络,评估值,真实值,RMSE,平均绝对误差,MAE,模型应用,扫描模式,浦口区,水平分布,测量值,remote,sensing,aerosol,extinction,coefficient,particulate,matter,mass,concentration,neural,networks,meteorological,elements
AB值：
0.292414
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。
