针对湖南省的带外源输入的非线性自回归(Nonlinear autoregressive with external input,NARX)神经网络模型,评估了2019年10月1日-2020年9月30日的污染物浓度预报准确率,并进一步评估模式对O_(3)和PM_(2.5)等两个重点污染物的时空分布...针对湖南省的带外源输入的非线性自回归(Nonlinear autoregressive with external input,NARX)神经网络模型,评估了2019年10月1日-2020年9月30日的污染物浓度预报准确率,并进一步评估模式对O_(3)和PM_(2.5)等两个重点污染物的时空分布预报效果。结果表明:模式预报的未来第1天级别准确率为91%,首要污染物准确率为70%;在空气质量等级为优良时,其预报能力较好。从时间序列上看,模式预报的PM和臭氧日最大8小时滑动平均浓度(O_(3)_8hr)与实测浓度的变化趋势较为一致,但模式对PM浓度有所高估;从空间分布上看,模式对夏季和冬季O_(3)_8hr整体的空间分布预报能力较优,且能够捕捉冬季PM污染过程的发生。展开更多
文摘针对湖南省的带外源输入的非线性自回归(Nonlinear autoregressive with external input,NARX)神经网络模型,评估了2019年10月1日-2020年9月30日的污染物浓度预报准确率,并进一步评估模式对O_(3)和PM_(2.5)等两个重点污染物的时空分布预报效果。结果表明:模式预报的未来第1天级别准确率为91%,首要污染物准确率为70%;在空气质量等级为优良时,其预报能力较好。从时间序列上看,模式预报的PM和臭氧日最大8小时滑动平均浓度(O_(3)_8hr)与实测浓度的变化趋势较为一致,但模式对PM浓度有所高估;从空间分布上看,模式对夏季和冬季O_(3)_8hr整体的空间分布预报能力较优,且能够捕捉冬季PM污染过程的发生。
