期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
基于RBF神经网络的PM_(2.5)浓度预测
1
作者 万梓康 谢劭峰 +3 位作者 林买金 孟春阳 彭祥天 张茗斐 《环境监测管理与技术》 北大核心 2025年第4期67-72,共6页
针对传统RBF神经网络在PM_(2.5)回归预测中参数优化的问题,提出了粒子群算法优化的径向基神经网络(PSO-RBF)、鲸鱼算法优化的径向基神经网络(WOA-RBF)、北方苍鹰算法优化的径向基神经网络(NGO-RBF)和灰狼算法优化的径向基神经网络(GWO-R... 针对传统RBF神经网络在PM_(2.5)回归预测中参数优化的问题,提出了粒子群算法优化的径向基神经网络(PSO-RBF)、鲸鱼算法优化的径向基神经网络(WOA-RBF)、北方苍鹰算法优化的径向基神经网络(NGO-RBF)和灰狼算法优化的径向基神经网络(GWO-RBF)4种模型,以2021年12月1日—2022年8月31日拉萨、成都、北京和上海的大气污染物、气象因素、大气可降水量(PWV)及叶面积指数(LAI)的小时数据作为训练集,分别预测了4个城市在2022年9月、10月、11月共计91 d的PM_(2.5)质量浓度变化。结果表明:PSO-RBF模型的优化性能最为显著,相对于RBF模型,PSO-RBF模型的MAE、MAPE、RMSE、R^(2)均得到显著提升。 展开更多
关键词 PM_(2.5) RBF神经网络 粒子群算法 大气污染物 气象因素 回归预测
在线阅读 下载PDF
基于机器学习的郑州市大气PM_(2.5)与O_(3)浓度预测方法及气象因子的影响分析 被引量:16
2
作者 张容硕 谢沛远 +5 位作者 陈宏飞 杨清荣 关民普 马南 尉鹏 朱仁成 《环境科学研究》 CAS CSCD 北大核心 2024年第3期469-478,共10页
近年来,我国面临着细颗粒物(PM_(2.5))污染形势依然严峻以及臭氧(O_(3))污染日益凸显的双重压力.为进一步准确预测郑州市大气PM_(2.5)与O_(3)浓度并探明气象因子的影响,本研究使用2018−2022年郑州市大气污染物和气象因子逐时数据,结合... 近年来,我国面临着细颗粒物(PM_(2.5))污染形势依然严峻以及臭氧(O_(3))污染日益凸显的双重压力.为进一步准确预测郑州市大气PM_(2.5)与O_(3)浓度并探明气象因子的影响,本研究使用2018−2022年郑州市大气污染物和气象因子逐时数据,结合统计学单因素分析和机器学习LightGBM模型多因素分析,建立了一种基于长时间序列数据的PM_(2.5)与O_(3)浓度预测及气象因子影响分析的综合分析方法.结果表明:①训练后的LightGBM模型能够较好地预测PM_(2.5)污染,准确率达80.8%;对O_(3)污染预测的准确率为52.5%.②郑州市大气PM_(2.5)浓度与气压呈正相关,与比湿和环境温度均呈负相关;大气O_(3)8 h滑动平均浓度(O_(3)-8 h浓度)与比湿和太阳辐射均呈正相关,与气压呈负相关.③有利的气象条件可能是2021年PM_(2.5)年均浓度得到显著改善的重要因素;同时,不利的气象条件也促使2021年和2022年6月O_(3)月评价值(O_(3)日最大8 h滑动平均90百分位浓度)有所上升.研究显示,这种基于长时间序列的综合分析方法适用于大气PM_(2.5)与O_(3)浓度的气象因子影响分析,也能有效预测PM_(2.5)与O_(3)的浓度. 展开更多
关键词 大气污染防控 细颗粒物(PM_(2.5)) 臭氧(O_(3)) 气象因素 机器学习 郑州市
在线阅读 下载PDF
青藏高原东北部地区城市PM_(2.5)和PM_(10)时空分布特征及气象因素的影响 被引量:2
3
作者 梁明武 李慧婷 +3 位作者 李魏龙 贾晓丹 汪铭媛 冯朝晖 《西北地质》 CAS CSCD 北大核心 2024年第4期285-296,共12页
随着工业化进程的迅速发展,大气污染问题已不容忽视,青藏高原东北部作为中国重要的生态安全战略地区,由于其常年多风的地理特点导致土地荒漠化,而土地荒漠化会带来颗粒物污染的问题。笔者以青藏高原东北部地区逐月可吸入颗粒物(PM_(10)... 随着工业化进程的迅速发展,大气污染问题已不容忽视,青藏高原东北部作为中国重要的生态安全战略地区,由于其常年多风的地理特点导致土地荒漠化,而土地荒漠化会带来颗粒物污染的问题。笔者以青藏高原东北部地区逐月可吸入颗粒物(PM_(10))和细颗粒物(PM_(2.5))浓度为基础,分析了大气颗粒物PM_(2.5)和PM_(10)时空分布特征,与气象因素(降水量、气温和风速)之间的相关性及受气象因素的影响程度。结果表明:①东部人口密集和经济发达的西宁市、海东市和黄南州PM_(2.5)和PM_(10)较高,以上3个市州的PM_(2.5)平均水平分别为44.2μg/m^(3),44.7μg/m^(3)和36.5μg/m^(3),PM_(10)平均水平分别为99.1μg/m^(3),99.7μg/m^(3)和72.2μg/m^(3);2015~2019年的时间分布上各地区颗粒物浓度呈现逐年下降的趋势;空间分布表明PM_(2.5)呈现从西到东逐渐升高的趋势,PM_(10)则呈东高西低分布。②各地区气温和降水量的峰值均出现在夏季,呈现出“Λ”型的分布规律;而各地区的PM_(2.5)、PM_(10)逐月浓度变化整体呈现出“V”型的分布规律,非采暖季颗粒物浓度最低、采暖季颗粒物浓度最高。③各种气象因素的影响中,PM_(2.5)和PM_(10)与降水量、气温、风速均呈负相关,并且PM_(2.5)浓度受到风速的负向影响,而PM_(10)浓度受到风速的显著正向影响,表明风起扬尘对该区域大气污染贡献突出但风速与污染物浓度的作用机制复杂。本研究可为典型地区空气质量的改善与预测提供理论基础与参考依据。 展开更多
关键词 PM_(2.5) PM_(10) 空气污染 气象因素 成因分析 青藏高原东北部
在线阅读 下载PDF
上海地区一次典型连续颗粒物污染过程分析 被引量:23
4
作者 陈镭 马井会 +1 位作者 耿福海 许建明 《气象》 CSCD 北大核心 2016年第2期203-212,共10页
2013年3月4—9日上海地区出现了一次连续6 d的污染过程,本文利用PM_(2.5)和PM_(10)的小时监测资料、常规气象资料、激光雷达资料、FY-3A卫星监测资料及NCEP再分析资料,综合探讨了此次连续污染过程的气象特征,发现此次连续污染与天气形... 2013年3月4—9日上海地区出现了一次连续6 d的污染过程,本文利用PM_(2.5)和PM_(10)的小时监测资料、常规气象资料、激光雷达资料、FY-3A卫星监测资料及NCEP再分析资料,综合探讨了此次连续污染过程的气象特征,发现此次连续污染与天气形势的高低空配置有密切关系,槽后被西北气流控制,稳定的垂直层结及地面较弱的气压场,有利于污染物的积聚和污染天气的维持。文章还对此次连续污染过程中的重污染过程进行了深入的诊断分析,研究发现850 hPa及以上中低空西北气流将上游污染物输送至上海,再配合下沉运动沉降到地面,是造成此次重度污染过程的主因;同时,本地风力小、近地层垂直温度层结稳定等均不利于污染物在水平和垂直方向上的扩散,为污染物的积聚创造了条件。 展开更多
关键词 空气污染 气象要素 沙尘 pm2.5
在线阅读 下载PDF
山东泗水春季农田地表空气中PM_(2.5)浓度变化及影响因素 被引量:2
5
作者 武亚堂 吴建国 王立 《草业科学》 CAS CSCD 北大核心 2021年第5期812-822,共11页
在2019年的3月1日-5月31日,以PM_(2.5)采样器、自动气象站与土壤温湿度数据采集器,对山东泗水县开垦农田近地表80 cm处空气中PM_(2.5)逐日浓度与环境因素进行了观测,以回归统计方法分析了PM_(2.5)浓度变化与环境因素的关系。结果显示:在... 在2019年的3月1日-5月31日,以PM_(2.5)采样器、自动气象站与土壤温湿度数据采集器,对山东泗水县开垦农田近地表80 cm处空气中PM_(2.5)逐日浓度与环境因素进行了观测,以回归统计方法分析了PM_(2.5)浓度变化与环境因素的关系。结果显示:在3月-5月,山东泗水县开垦农田近地表80 cm处空气中PM_(2.5)浓度平均值为160.98μg·m^(-3)、变化范围在16.67~333.33μg·m^(-3)。同时,PM_(2.5)浓度变化与风速呈显著指数函数关系(P <0.05),与0-5 cm土层土壤湿度呈显著负相关和指数函数关系(P <0.05);PM_(2.5)浓度变化与气温呈极显著倒数函数关系(P <0.01)。另外,PM_(2.5)浓度变化与风速、气温、相对湿度和0-5 cm土层土壤温湿度因素多元线性回归分析中,风速和土壤湿度影响达到显著水平(P <0.01)。结果表明,在春季,山东泗水县农田近地表空气中PM_(2.5)污染受风速和0-5 cm土层土壤湿度等多种因素影响,会对大气环境产生不可忽视的影响。 展开更多
关键词 PM_(2.5) 大气污染 近地表 农田 环境因素 扬尘 风蚀
在线阅读 下载PDF
“十一五”时期乌鲁木齐市大气污染特征及影响因素分析 被引量:29
6
作者 李军 吕爱华 李建刚 《中国环境监测》 CAS CSCD 北大核心 2014年第2期14-20,共7页
为全面了解"十一五"时期(2006—2010年)乌鲁木齐市大气污染状况,评估污染源治理及气象条件对空气质量变化的影响,利用2001年1月—2010年12月主要大气污染物浓度数据和同期地面气象资料,总结"十一五"时期乌鲁木齐市... 为全面了解"十一五"时期(2006—2010年)乌鲁木齐市大气污染状况,评估污染源治理及气象条件对空气质量变化的影响,利用2001年1月—2010年12月主要大气污染物浓度数据和同期地面气象资料,总结"十一五"时期乌鲁木齐市大气污染变化特征,重点分析其变化原因。结果表明:"十一五"时期PM10和SO2年均浓度分别比"十五"下降1.7%和10.3%,采暖季降幅最明显,分别达到2.2%和21.9%;而NO2年均浓度比"十五"升高8.9%,非采暖季增幅最大,为11.7%。2006—2010年PM10、SO2年均浓度整体呈下降趋势,NO2浓度有升高趋势。5年中非采暖季各污染物浓度均达标,采暖季PM10和SO2超标倍数逐年减小,煤烟型污染特征仍然典型。污染源管控(特别是减排工程实施)是"十一五"时期SO2和PM10浓度下降的重要原因,气象条件作用相对有限。NO2浓度升高主要与机动车保有量逐年增加和氮氧化物治理启动滞后有关。 展开更多
关键词 乌鲁木齐市 大气污染 SO2 PM10 NO2 气象因素 污染减排
在线阅读 下载PDF
北京市怀柔区大气污染物浓度变化规律及与其他要素的相关性 被引量:10
7
作者 单瑞娟 吴琳 杨宁 《环境工程技术学报》 CSCD 北大核心 2021年第4期647-656,共10页
对2019年北京市怀柔区SO_(2)、NO_(x)、CO和O_(3)4种污染物5 min浓度数据及PM_(10)和PM_(2.5)浓度的监测结果进行整点数据、日数据、逐月日数据、小时数据、日最大8 h平均O_(3)数据、月数据、各季节小时数据、各季节日数据统计,分析PM_(... 对2019年北京市怀柔区SO_(2)、NO_(x)、CO和O_(3)4种污染物5 min浓度数据及PM_(10)和PM_(2.5)浓度的监测结果进行整点数据、日数据、逐月日数据、小时数据、日最大8 h平均O_(3)数据、月数据、各季节小时数据、各季节日数据统计,分析PM_(2.5)浓度、气象条件及降水等因素对大气污染物浓度的影响。结果表明:大气污染物中O_(3)浓度超标天数最多,其次是PM_(2.5)、PM_(10)。大气污染物浓度日变化、季节变化特征明显,SO_(2)、NO_(x)浓度的变化特征相似,最大值出现在冬季,春季和秋季次之,最小值出现在夏季,其中1月污染最严重。O_(3)有着相反的季节变化特征,最高值出现在夏季,最低值出现在冬季。PM_(10)和PM_(2.5)浓度最高值出现在3月(春季),其次是冬季,秋季次之,最小值出现在夏季。降水对SO_(2)和NO_(x)的去除效果不明显,小雨天气时,容易出现大气污染物浓度增长的现象。总体上可以看出,降水对NO_(x)去除比SO_(2)更有效,对大粒径颗粒物的去除量大于小粒径颗粒物。本研究可为怀柔区相关部门制定减少污染物排放,控制城市大气颗粒物浓度,提高城市环境空气质量等措施提供数据及理论支持。 展开更多
关键词 大气污染物 PM_(2.5) 气象要素 降水
在线阅读 下载PDF
长沙市气象因素对大气污染的影响分析 被引量:6
8
作者 谢昆 陈博明 《矿冶工程》 CAS CSCD 北大核心 2021年第4期170-175,共6页
基于湖南省长沙市2016~2019年逐日大气污染监测数据,对长沙市过去4年的空气质量进行了时间序列的变化趋势分析。利用长沙市2016~2019年逐日同期气象数据,通过相关性分析和逐步回归分析方法揭示了长沙市气象因素变化对大气污染的影响。... 基于湖南省长沙市2016~2019年逐日大气污染监测数据,对长沙市过去4年的空气质量进行了时间序列的变化趋势分析。利用长沙市2016~2019年逐日同期气象数据,通过相关性分析和逐步回归分析方法揭示了长沙市气象因素变化对大气污染的影响。研究表明:(1)长沙市空气质量逐年向好,SO_(2)、NO_(2)、CO、PM_(10)的浓度基本保持在二级标准以内,状况优良,PM_(2.5)对大气的污染逐年减轻,但O_(3)对大气的污染逐年加重。(2)对O_(3)浓度正面影响的气象因素是平均气温和日照时数,负面影响的气象因素是平均气压、平均风速和平均相对湿度;对PM_(2.5)浓度正面影响的气象因素是平均气压,显著负面影响的是平均气温、日照时数和平均相对湿度。(3)长沙市O_(3)浓度变化的46%能够由气象因素解释,PM_(2.5)浓度变化的23%可由气象因素解释。 展开更多
关键词 空气质量 气象因素 相关性分析 逐步回归分析 长沙市 大气污染 PM_(2.5) O_(3) PM_(10)
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部