环境污染与防治
環境汙染與防治
배경오염여방치
ENVIRONMENTAL POLLUTION AND CONTROL
2013年
9期
63-66,70
,共5页
王敏%邹滨%郭宇%何晋强
王敏%鄒濱%郭宇%何晉彊
왕민%추빈%곽우%하진강
BP%克里格插值%空气污染%PM2.5%GIS
BP%剋裏格插值%空氣汙染%PM2.5%GIS
BP%극리격삽치%공기오염%PM2.5%GIS
BP%Kriging interpolation%air pollution%PM2.5%GIS
针对PM2.5日均质量浓度,采用BP人工神经网络模型,预测研究区空气中PM2.5浓度的空间变异,通过与普通克里格(Ordinary Kriging)插值方法对比验证BP人工神经网络预测模型的精度.结果表明:BP人工神经网络预测模型下研究区检验样本点位置的PM2.5仿真浓度与观测浓度之间的均方差、平均绝对误差、平均相对偏差和相关系数分别为0.296 μg2/m6、0.412 μg/m3、1.650％和0.851;而与此同时,普通克里格插值方法下的对应结果分别为1.041 μg2/m6、0.689 μg/m3、11.910％、0.638.研究成果在肯定BP人工神经网络预测模型可用于揭示PM2.5浓度空间变异特征的同时,也证实了其相对于普通克里格插值方法在固定空间点位准确预测PM2.5浓度方面的优势.
針對PM2.5日均質量濃度,採用BP人工神經網絡模型,預測研究區空氣中PM2.5濃度的空間變異,通過與普通剋裏格(Ordinary Kriging)插值方法對比驗證BP人工神經網絡預測模型的精度.結果錶明:BP人工神經網絡預測模型下研究區檢驗樣本點位置的PM2.5倣真濃度與觀測濃度之間的均方差、平均絕對誤差、平均相對偏差和相關繫數分彆為0.296 μg2/m6、0.412 μg/m3、1.650％和0.851;而與此同時,普通剋裏格插值方法下的對應結果分彆為1.041 μg2/m6、0.689 μg/m3、11.910％、0.638.研究成果在肯定BP人工神經網絡預測模型可用于揭示PM2.5濃度空間變異特徵的同時,也證實瞭其相對于普通剋裏格插值方法在固定空間點位準確預測PM2.5濃度方麵的優勢.
침대PM2.5일균질량농도,채용BP인공신경망락모형,예측연구구공기중PM2.5농도적공간변이,통과여보통극리격(Ordinary Kriging)삽치방법대비험증BP인공신경망락예측모형적정도.결과표명:BP인공신경망락예측모형하연구구검험양본점위치적PM2.5방진농도여관측농도지간적균방차、평균절대오차、평균상대편차화상관계수분별위0.296 μg2/m6、0.412 μg/m3、1.650％화0.851;이여차동시,보통극리격삽치방법하적대응결과분별위1.041 μg2/m6、0.689 μg/m3、11.910％、0.638.연구성과재긍정BP인공신경망락예측모형가용우게시PM2.5농도공간변이특정적동시,야증실료기상대우보통극리격삽치방법재고정공간점위준학예측PM2.5농도방면적우세.
