公共文化服务平台

搜索到357篇“ 空气污染预报“的相关文章

一种用于环境保护的空气污染预报装置: 本发明公开了空气检测技术领域的一种用于环境保护的空气污染预报装置，包括矩形管道、四个检测装置、风扇，还包括驱动机构，所述驱动机构与矩形管道内壁横向滑动连接；所述矩形管道的四个内壁均设置有清理机构，所述清理机构用于清理自身...; 王肖娟

一种用于环境保护的空气污染预报装置: 本发明公开了空气检测技术领域的一种用于环境保护的空气污染预报装置，包括矩形管道、四个检测装置、风扇，还包括驱动机构，所述驱动机构与矩形管道内壁横向滑动连接；所述矩形管道的四个内壁均设置有清理机构，所述清理机构用于清理自身...; 王肖娟

一种空气污染预报装置: 本实用新型提出了一种空气污染预报装置，涉及气体监测设备技术领域。包括旋转主体，旋转主体的外壁上环绕设有多个扇板，位于任意两个相邻的扇板之间的旋转主体侧壁上均开设有进出口，旋转主体内设有空气污染指数检测装置，旋转主体的底部...; 蒙军徐良军曹青郭军成吴哲红

神经网络在空气污染预报中的研究进展: 2023年; 空气污染预报是一项复杂的系统工程,是当今环境科学研究的热点,国内外已有将神经网络法应用于大气污染预报的研究。人工神经网络(Artificial Neural Network,即ANN),是20世纪80年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象,建立某种简单模型,按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。本论文旨在综述神经网络在空气污染预报中的研究进展,探讨其在空气污染预报领域的未来展望。; 权铖漆然邱诚; 关键词：神经网络空气污染预报

3种机器学习方法对空气污染预报效果的对比: 2023年; 以中国西北5个省会城市为研究区域,利用2015年1月1日-2020年7月21日空气质量监测资料与气象数据构建基于多元逐步回归(MSR)、随机森林(RF)与支持向量机(SVM)的空气污染预报模型,以平均绝对误差、均方根误差及拟合度指数I_(A)为评判指标,对模型的模拟精度进行对比分析.结果表明,针对5个城市构建空气污染预报模型时,RF重要性评估法比Spearman相关系数法更适用于筛选预报因子.MSR、RF与SVM模型的预报性能由强至弱依次为MSR>RF>SVM.3种模型预报结果均I_(A)>0.8,预报值与实际观测值之间的相关程度较高.; 陈金车迪里努尔·牙生王田宇李旭王金艳谢祥珊孙彩霞; 关键词：支持向量机空气污染预报

超短时空气污染预报: 提供一个预报空气污染的机制。从多个空气污染监测站中识别出与预报点相关的一个或多个空气污染监测站。对于与所述预报点相关的所述一个或多个空气污染监测站，识别所述预报点的一个或多个模式，与所述预报点的所述一个或多个模式相关的所...; 白鑫鑫董进芮晓光王海峰尹文君

安徽地区多模式空气污染预报效果检验与订正被引量：2: 2021年; 为提高安徽地区空气污染预报预警能力,采用实况观测数据,对CUACE、WRF-Chem和CMAQ 3种模式业务产品预报的PM_(2.5)、PM_(10)、O_(3)、SO_(2)、NO_(2)和CO小时浓度进行评估和订正。结果表明,3种模式产品和集成预报对于PM_(2.5)、PM_(10)、O_(3)、NO_(2)和CO浓度的预报在安徽地区16个地市均能达到“达标”范围,而集成预报的方法预报结果达到“优秀”范围内的城市更多。集成预报对于PM_(2.5)、PM_(10)的预报在多个城市中均好于3种模式预报结果,在大部分城市集成预报的RMSE小于其他3种模式的,表明其预报值更为接近实况值。集成预报的方法能较为有效改进CUACE、WRF-Chem和CMAQ 3种模式对于PM_(2.5)、PM_(10)、O_(3)、SO_(2)、NO_(2)和CO 6种污染物浓度的预报效果,可为空气污染预报预警提供客观参考。; 杨关盈邓学良邓学良霍彦峰翟菁吴文玉

应用机器学习算法的成都市冬季空气污染预报研究被引量：8: 2020年; 利用2014年3月至2017年2月成都市8个环境监测站的PM 2.5、PM 10、SO 2、NO 2、CO、O 3共6种污染物质量浓度资料以及T639全球中期数值预报模式产品,采用两种机器学习算法—递归特征消除法(Recursive feature elimination,RFE)和随机森林方法,构建了成都市冬季5种(O 3除外,因为其冬季污染较轻)污染物浓度的预报模型,并对模型的预报效果进行了评价。结果表明:基于RFE模型的5种污染物预报值与实测值的均方根误差值分别为47.58μg·m^-3、72.10μg·m^-3、8.87μ·m-3、0.59 mg·m^-3、19.84μg·m^-3;基于随机森林模型的5种污染物预报值与实测值均方根误差值分别为23.94μg·m^-3、20.98μg·m^-3、2.40μg·m^-3、0.16 mg·m^-3、8.09μg·m^-3,随机森林模型对各污染物浓度的预报效果均优于RFE模型,说明该预报方法性能良好,可为成都市冬季空气质量业务化预报提供技术支持和防控依据。; 孙苏琪王式功罗彬杜云松张巍; 关键词：空气污染预报

2016~2018年昌吉市空气污染预报及效果检验: 2020年; 基于2016年1月至2018年12月昌吉市逐日空气质量浓度与同期高空、地面气象要素进行了相关性分析,利用SPSS软件建立了多元线性回归方程,并对预报效果进行检验,具体结论如下:1) 各类污染物变化基本呈V型,冬季是各类污染物质量浓度剧增的季节;其中臭氧的变化趋势为倒V型,夏季是质量浓度最高的季节;PM10、PM2.5的质量浓度在冬季增加明显;2) PM10作为首要污染物在春季出现的次数最多,夏季中臭氧的作为首要污染物出现次数最多;秋季中PM10再次转为首要污染物;冬季PM2.5出现频次最多,四季中SO2未作为首要污染物出现;3) 春季、夏季和秋季空气质量主要以二级(良)为主;4) 预报效果检验来看,预报值偏高,夏季PM10浓度预报值误差较大,其他类污染物为略偏高;预报结果较实况略偏高,夏半年的预报效果优于冬半年,PM10、PM2.5预报效果较差,SO2、CO和NO2的预报效果较好;针对严重污染的空气质量预报效果较差。; 黄秋霞王春燕郑博华陶笑笑艾克代•沙拉木; 关键词：空气污染多元线性回归

相关作者