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
1
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
基于机器学习的长株潭城市群PM_(2.5)重污染预报
1
作者
李细生
喻雨知
+4 位作者
杨云芸
张华
肖秧琳
李巧媛
李源
《环境监测管理与技术》
CSCD
北大核心
2024年第5期13-19,共7页
为提高PM_(2.5)重污染的预报准确率,融合气象和环境资料、前期观测和后期数值天气预报数据、地面和高空预报因子,建立预报时效较长且准确度较高的机器学习模型库。以长株潭城市群的PM_(2.5)重污染天气预报为例,将数据预处理、特征工程...
为提高PM_(2.5)重污染的预报准确率,融合气象和环境资料、前期观测和后期数值天气预报数据、地面和高空预报因子,建立预报时效较长且准确度较高的机器学习模型库。以长株潭城市群的PM_(2.5)重污染天气预报为例,将数据预处理、特征工程、算法优选、超参数调优等技术方法运用于模型中,建立的重污染预报机器学习模型库可预报PM_(2.5)浓度和等级,预警4 d内的PM_(2.5)重污染。为增强模型的透明度,对其进行可解释性研究。事前可解释性分析表明,PM_(2.5)浓度预报模型存在事前三特性:前期要素比后期要素重要,环境要素比气象要素重要,地面要素比高空要素重要;事后可解释性分析表明,常德2022年1月18日的重污染天气过程受上游传输和本地污染累积的共同影响,其中传输的作用稍大。
展开更多
关键词
PM_(2.5)
重污染预报
机器学习
可解释性
长株潭城市群
在线阅读
下载PDF
职称材料
题名
基于机器学习的长株潭城市群PM_(2.5)重污染预报
1
作者
李细生
喻雨知
杨云芸
张华
肖秧琳
李巧媛
李源
机构
气象防灾减灾湖南省重点实验室
株洲市气象局
长沙市气象局
出处
《环境监测管理与技术》
CSCD
北大核心
2024年第5期13-19,共7页
基金
国家自然科学基金资助项目(No.41271095)
湖南省自然科学基金资助项目(No.2024JJ7649)
+1 种基金
湖南省气象局2020年重点课题基金资助项目(XQKJ20A001)
中国气象局预报专项基金资助项目(FPZJ2024-091)。
文摘
为提高PM_(2.5)重污染的预报准确率,融合气象和环境资料、前期观测和后期数值天气预报数据、地面和高空预报因子,建立预报时效较长且准确度较高的机器学习模型库。以长株潭城市群的PM_(2.5)重污染天气预报为例,将数据预处理、特征工程、算法优选、超参数调优等技术方法运用于模型中,建立的重污染预报机器学习模型库可预报PM_(2.5)浓度和等级,预警4 d内的PM_(2.5)重污染。为增强模型的透明度,对其进行可解释性研究。事前可解释性分析表明,PM_(2.5)浓度预报模型存在事前三特性:前期要素比后期要素重要,环境要素比气象要素重要,地面要素比高空要素重要;事后可解释性分析表明,常德2022年1月18日的重污染天气过程受上游传输和本地污染累积的共同影响,其中传输的作用稍大。
关键词
PM_(2.5)
重污染预报
机器学习
可解释性
长株潭城市群
Keywords
PM_(2.5)
Heavy pollution prediction
Machine learning
Interpretability
Chang-Zhu-Tan urban agglomeration
分类号
X513 [环境科学与工程—环境工程]
TP181 [自动化与计算机技术—控制理论与控制工程]
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
基于机器学习的长株潭城市群PM_(2.5)重污染预报
李细生
喻雨知
杨云芸
张华
肖秧琳
李巧媛
李源
《环境监测管理与技术》
CSCD
北大核心
2024
0
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
