| 融合GNSS、ERA5、大气污染物的PM2.5浓度预测研究 |
| |
| 引用本文： | 刘严萍,司甜,毕慧丽,张曼琪,王勇,许祖豪.融合GNSS、ERA5、大气污染物的PM2.5浓度预测研究[J].全球定位系统,2024(2):69-75. |
| |
| 作者姓名： | 刘严萍 司甜 毕慧丽 张曼琪 王勇 许祖豪 |
| |
| 作者单位： | 1. 天津城建大学经济与管理学院;2. 天津城建大学地质与测绘学院 |
| |
| 基金项目： | 天津市教委科研计划项目(2021ZD001)；;国家级大学生创新创业训练计划项目(202310792010)； |
| |
| 摘 要： | 冬春季节的空气质量预测有助于公众合理安排出行和政府相关部门的交通治理.细颗粒物(PM2.5)的浓度主要影响因素有大气污染物、水汽等.为提高PM2.5浓度预测的精度，以京津冀地区为例，利用快速傅里叶变换(fast Fourier transform,FFT)与长短期记忆(long short term memory,LSTM)神经网络方法相结合，考虑GNSS、ERA5水汽、大气污染物等观测要素，构建PM2.5的浓度预测模型，预测研究未来24 h的PM2.5的浓度.利用GNSS水汽校正区域ERA5水汽，并进行精度评定.利用FFT取大气污染物、第五代大气再分析产品(ECMWF atmospheric reanalysis 5,ERA5)水汽等观测要素的公共变化周期，获得最佳公共周期为78 h；选取最佳公共周期长度的各类要素作为模型输入，24 h序列的PM2.5浓度作为模型输出.通过均方根误差(root mean square error,RMSE)评价指标进行模型精度评价.研究结果表...
|
| 关 键 词： | 细颗粒物(PM2.5) 大气污染物 GNSS水汽 ERA5水汽 快速傅里叶变换(FFT) 长短期记忆(LSTM) |
|
|
