测绘科学

2018, v.43;No.241(07) 79-86

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

门限重复单元的PM2.5浓度预报方法
PM2.5 concentration real-time forecasting method based on GRU model

侯俊雄;李琦;林绍福;冯逍;朱亚杰;

摘要(Abstract):

针对当前我国重污染天气实时的空气质量预报问题,该文提出了一种基于长短期记忆神经网络的PM2.5浓度实时预报方法。此方法结合了北京市地面空气质量监测数据、天气预报模式的气象预报数据及东亚地区污染物排放清单进行分析,在将高层大气状态及排放状况融入了预报模型的同时,利用LSTM模型模拟区域PM2.5浓度的时序连续变化特征,建立了0~72h的区域PM2.5浓度实时预报模型。实验证明,该方法可以有效表征大气污染物变化的时序特征,从而进行更为精准的长时PM2.5浓度预报。同时,使用门限重复单元作为LSTM神经网络的核心,在保障模型精度的同时,进一步减少了模型训练时间,提高了模型的计算效率。

关键词(KeyWords): PM2.5实时预报;门限重复单元;WRF;深度学习

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 侯俊雄;李琦;林绍福;冯逍;朱亚杰;

Email:

DOI: 10.16251/j.cnki.1009-2307.2018.07.013

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享