气流后向轨迹和门限重复单元的PM2.5预报
PM2.5 concentration real-time forecasting method based on GRU model and back trajectories of air mass作者机构:北京大学遥感与地理信息系统研究所北京100871 北京大学智慧城市研究中心北京100871
出 版 物:《测绘科学》 (Science of Surveying and Mapping)
年 卷 期:2020年第45卷第3期
页 面:87-94页
核心收录:
学科分类:083002[工学-环境工程] 0830[工学-环境科学与工程(可授工学、理学、农学学位)] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术]
主 题:PM2.5实时预报 气流轨迹 门限重复单元 深度学习
摘 要:针对目前我国实时的空气质量预报不适合重污染天气的问题,该文提出了一种基于气流后向轨迹模型和门限重复单元神经网络的PM2.5浓度预报方法。该方法通过气流后向轨迹模型将区域异地传输效应进行量化,从而为待预报站点提供额外的区域传输预后因子(预后因子即是对未来情况的预估),将待预报站点区域传输预后因子和气象因子加入预报模型,利用GRU模型模拟区域PM2.5浓度的时序连续变化特征,建立1~72 h的PM2.5浓度实时预报模型。实验结果表明,区域传输预后因子的加入,能够很好地量化其他站点对于待预报站点的PM2.5浓度预报影响,提高PM2.5预报模型整体预报精度。