首页 | 本学科首页   官方微博 | 高级检索  
     

2013-2015年中国PM2.5污染状况时空变化
引用本文:许珊, 邹滨, 王敏, 刘宁. PM2.5浓度空间估算的神经网络与克里格方法对比[J]. 武汉大学学报 ( 信息科学版), 2020, 45(10): 1642-1650. DOI: 10.13203/j.whugis20180482
作者姓名:许珊  邹滨  王敏  刘宁
作者单位:1.中南大学地球科学与信息物理学院, 湖南 长沙, 410083;2.湖南省第三测绘院, 湖南 长沙, 410004
基金项目:国家重点研发计划(2016YFC0206205);国家自然科学基金(41871317);中南大学创新驱动计划(2018CX016)
摘    要:
针对人工神经网络与克里格插值在PM2.5浓度空间估算中精度随样本点数量与耦合因素不同差异较大的问题, 基于相关分析与径向基函数(radical basis function, RBF)筛选PM2.5空间变异关键影响因素, 对比不同比例训练样本下普通克里格插值(ordinary Kriging, OK), 仅考虑地理坐标RBF神经网络, 耦合关键因素的协同克里格插值(CoKriging, CK)及RBF神经网络(CoRBF)的效果差异, 并基于最优方法开展PM2.5浓度空间制图。结果表明:4种方法均能有效实现PM2.5浓度空间估算, 且精度随训练样本比例增大而波动上升。
考虑关键因素人口密度的CoRBF最能表现数据变化趋势, 而CK在误差指标上更优越。基于CK与CoRBF的PM2.5浓度空间估算结果较好展示了污染的分异特征, 前者较后者更平滑。


关 键 词:径向基函数  人工神经网络  克里格插值  大气污染  空间估算
收稿时间:2019-12-27
点击此处可从《武汉大学学报(信息科学版)》浏览原始摘要信息
点击此处可从《武汉大学学报(信息科学版)》下载免费的PDF全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号