학술논문
PCA-BP 模型下皖北城市群 PM2.5 浓度分析.
Document Type
Article
Source
Subject
Language
Chinese
ISSN
1671-1815
Abstract
为探究皖北城市群大气污染物在不同地域、不同时间下的分布规律以及影响空气中 PM2.5 浓度的相关变量, 结合 2018—2021 年安徽省生态环境厅统计数据及相关地域资料, 采用主成分分析( principal component analysis, PCA)法按时间段长 短及季节性变化分别选取月度数据与年度数据对空气质量 的 影 响 因 子 做 相 关 性 分 析, 对 比 分 析 不 同 季 节 下 空 气 污 染 物 PM2.5 、 PM10的浓度及其他空气污染物浓度的变化, 构建基于 PCA 算法的反向传播神经网络( back-propagation, BP), 建立 PCA-BP 模型并采用交叉-验证法提高模型精度, 对大气污染物 PM2.5 的浓度做短期预测. 实验结果表明: PM2.5 浓度的主要影响因 子为 PM10 、CO、NO2 、SO2; 皖北地区 PM2.5含量整体在冬季偏高;预测模型的精度在夏季与秋季较高, 冬季较低, 四季的预测精 度 R 2 分别达到 0. 924、0. 958、0. 935、0. 794. [ABSTRACT FROM AUTHOR]