期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
气溶胶粒径吸湿增长因子的机器学习模型
被引量：
2
1
作者
米家媛
李娜
+1 位作者
佟景哲
倪长健
《中国环境科学》
EI
CAS
CSCD
北大核心
2024年第2期638-645,共8页
利用成都市2017年10~12月浊度计、黑碳仪和GRIMM180环境颗粒物分析仪的逐时观测数据,结合该时段同时次大气能见度(V)、相对湿度(RH)和二氧化氮(NO_(2))监测资料,基于Mie散射理论和免疫进化算法反演气溶胶粒径吸湿增长因子.首先,以RH、C_...
利用成都市2017年10~12月浊度计、黑碳仪和GRIMM180环境颗粒物分析仪的逐时观测数据,结合该时段同时次大气能见度(V)、相对湿度(RH)和二氧化氮(NO_(2))监测资料,基于Mie散射理论和免疫进化算法反演气溶胶粒径吸湿增长因子.首先,以RH、C_(BC)、C_(BC)/C_(PM1)、C_(PM1)/C_(PM2.5)以及C_(PM2.5)/C_(PM10)作为解释变量集,构建了3种气溶胶粒径吸湿增长因子的机器学习模型(XGBoost模型、CatBoost模型和LightGBM模型),对应的决定系数(R 2)分别为0.869、0.893和0.898,均方根误差(RMSE)分别为0.108、0.097和0.090,平均绝对误差(MAE)分别为0.061、0.054和0.052.通过3种模型进行测试表明,气溶胶粒径吸湿增长的机器学习模型显著降低了传统单变量气溶胶粒径吸湿增长模型在高湿条件下的模拟偏差,也提升了气溶胶粒径吸湿增长多变量GAM模型的计算精度.最后,分析了不同解释变量对机器学习模型模拟效果的影响,确认了黑碳是气溶胶吸湿增长模型的主控变量.研究进一步阐明了气溶胶粒径吸湿增长因子多因素影响的复杂性,并为其模型的科学表征提供了新途径.
展开更多
关键词
气溶胶
粒径吸湿增长因子
机器学习
解释变量集
成都
在线阅读
下载PDF
职称材料
气溶胶粒径吸湿增长多因素影响的GAM模型
被引量：
3
2
作者
米家媛
佟景哲
+3 位作者
倪长健
蒋梦姣
杨寅山
冯淼
《环境科学与技术》
CAS
CSCD
北大核心
2023年第6期128-135,共8页
该文利用成都市2017年10-12月浊度计、黑碳仪和GRIMM180环境颗粒物分析仪的逐时观测数据,以及该时段同时次大气能见度(V)、相对湿度(RH)和二氧化氮(NO2)监测资料,通过免疫进化算法反演气溶胶粒径吸湿增长因子(Gf),分析了以RH为单变量Gf(...
该文利用成都市2017年10-12月浊度计、黑碳仪和GRIMM180环境颗粒物分析仪的逐时观测数据,以及该时段同时次大气能见度(V)、相对湿度(RH)和二氧化氮(NO2)监测资料,通过免疫进化算法反演气溶胶粒径吸湿增长因子(Gf),分析了以RH为单变量Gf(RH)参数化方案的模拟偏差,并基于广义可加模型系统探讨了Gf对多因素变化的响应关系。结果表明:(1)Gf(RH)参数化方案在低相对湿度条件下(RH<85%)均能很好地模拟Gf随相对湿度的变化特征,但在高相对湿度条件下(RH>85%)的拟合值则会出现较大的偏差。(2)利用多元递归法和方差膨胀因子(VIF)相结合构建了RH、C_(BC)、C_(BC)/C_(PM1)、C_(PM1)/C_(PM2.5)和C_(PM2.5)/C_(PM1)0的解释变量集(C_(BC)、C_(PM1)、C_(PM2.5)、C_(PM1)0分别为BC、PM1、PM2.5、PM10的质量浓度),其中RH和C_(BC)对Gf影响较大,对应单变量GAM模型中的调整判定系数(R2)分别为0.78和0.17;C_(BC)/C_(PM1)、C_(PM1)/C_(PM2.5)和C_(PM2.5)/C_(PM1)0对Gf影响相对较小,对应单变量GAM模型中的调整判定系数(R2)分别为0.08、0.12和0.03。(3)以RH、C_(BC)、C_(BC)/C_(PM1)、C_(PM1)/C_(PM2.5)和C_(PM2.5)/C_(PM1)0为自变量构建了Gf多因素影响的GAM模型,对应的调整判定系数(R2)和压轴回归决定系数(R2)分别为0.868和0.872,降低了在高相对湿度条件下(RH>85%)的拟合偏差,显著提升了霾天气条件下气溶胶粒径吸湿增长因子的模拟效果。
展开更多
关键词
气溶胶
粒径吸湿增长因子
多因素
GAM模型
成都
在线阅读
下载PDF
职称材料
题名
气溶胶粒径吸湿增长因子的机器学习模型
被引量：
2
1
作者
米家媛
李娜
佟景哲
倪长健
机构
成都信息工程大学大气科学学院
辽宁省气象装备保障中心
出处
《中国环境科学》
EI
CAS
CSCD
北大核心
2024年第2期638-645,共8页
基金
四川省科技厅应用基础研发项目(2021YJ0314)
国家重点研发计划项目(2018YFC0214004,2018YFC1506006)。
文摘
利用成都市2017年10~12月浊度计、黑碳仪和GRIMM180环境颗粒物分析仪的逐时观测数据,结合该时段同时次大气能见度(V)、相对湿度(RH)和二氧化氮(NO_(2))监测资料,基于Mie散射理论和免疫进化算法反演气溶胶粒径吸湿增长因子.首先,以RH、C_(BC)、C_(BC)/C_(PM1)、C_(PM1)/C_(PM2.5)以及C_(PM2.5)/C_(PM10)作为解释变量集,构建了3种气溶胶粒径吸湿增长因子的机器学习模型(XGBoost模型、CatBoost模型和LightGBM模型),对应的决定系数(R 2)分别为0.869、0.893和0.898,均方根误差(RMSE)分别为0.108、0.097和0.090,平均绝对误差(MAE)分别为0.061、0.054和0.052.通过3种模型进行测试表明,气溶胶粒径吸湿增长的机器学习模型显著降低了传统单变量气溶胶粒径吸湿增长模型在高湿条件下的模拟偏差,也提升了气溶胶粒径吸湿增长多变量GAM模型的计算精度.最后,分析了不同解释变量对机器学习模型模拟效果的影响,确认了黑碳是气溶胶吸湿增长模型的主控变量.研究进一步阐明了气溶胶粒径吸湿增长因子多因素影响的复杂性,并为其模型的科学表征提供了新途径.
关键词
气溶胶
粒径吸湿增长因子
机器学习
解释变量集
成都
Keywords
aerosol
particle size hygroscopic growth factor
machine-learning
explanatory variablesset
Chengdu
分类号
X513 [环境科学与工程—环境工程]
在线阅读
下载PDF
职称材料
题名
气溶胶粒径吸湿增长多因素影响的GAM模型
被引量：
3
2
作者
米家媛
佟景哲
倪长健
蒋梦姣
杨寅山
冯淼
机构
成都信息工程大学大气科学学院
成都平原城市气象与环境四川省野外科学观测研究站
成都市环境保护科学研究院
出处
《环境科学与技术》
CAS
CSCD
北大核心
2023年第6期128-135,共8页
基金
四川省科技厅应用基础研发项目(2021YJ0314)
国家重点研发计划项目(2018YFC0214004,2018YFC1506006)。
文摘
该文利用成都市2017年10-12月浊度计、黑碳仪和GRIMM180环境颗粒物分析仪的逐时观测数据,以及该时段同时次大气能见度(V)、相对湿度(RH)和二氧化氮(NO2)监测资料,通过免疫进化算法反演气溶胶粒径吸湿增长因子(Gf),分析了以RH为单变量Gf(RH)参数化方案的模拟偏差,并基于广义可加模型系统探讨了Gf对多因素变化的响应关系。结果表明:(1)Gf(RH)参数化方案在低相对湿度条件下(RH<85%)均能很好地模拟Gf随相对湿度的变化特征,但在高相对湿度条件下(RH>85%)的拟合值则会出现较大的偏差。(2)利用多元递归法和方差膨胀因子(VIF)相结合构建了RH、C_(BC)、C_(BC)/C_(PM1)、C_(PM1)/C_(PM2.5)和C_(PM2.5)/C_(PM1)0的解释变量集(C_(BC)、C_(PM1)、C_(PM2.5)、C_(PM1)0分别为BC、PM1、PM2.5、PM10的质量浓度),其中RH和C_(BC)对Gf影响较大,对应单变量GAM模型中的调整判定系数(R2)分别为0.78和0.17;C_(BC)/C_(PM1)、C_(PM1)/C_(PM2.5)和C_(PM2.5)/C_(PM1)0对Gf影响相对较小,对应单变量GAM模型中的调整判定系数(R2)分别为0.08、0.12和0.03。(3)以RH、C_(BC)、C_(BC)/C_(PM1)、C_(PM1)/C_(PM2.5)和C_(PM2.5)/C_(PM1)0为自变量构建了Gf多因素影响的GAM模型,对应的调整判定系数(R2)和压轴回归决定系数(R2)分别为0.868和0.872,降低了在高相对湿度条件下(RH>85%)的拟合偏差,显著提升了霾天气条件下气溶胶粒径吸湿增长因子的模拟效果。
关键词
气溶胶
粒径吸湿增长因子
多因素
GAM模型
成都
Keywords
aerosol
particle size hygroscopic growth factor
multi-factor
GAM model
Chengdu
分类号
X513 [环境科学与工程—环境工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
气溶胶粒径吸湿增长因子的机器学习模型
米家媛
李娜
佟景哲
倪长健
《中国环境科学》
EI
CAS
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
2
气溶胶粒径吸湿增长多因素影响的GAM模型
米家媛
佟景哲
倪长健
蒋梦姣
杨寅山
冯淼
《环境科学与技术》
CAS
CSCD
北大核心
2023
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
