基于集合经验模态分解和BP神经网络的北京市PM_2.5预报研究

任晓晨^1,4, 邹思琳¹, 唐娴², 韦骏^3,?

1. 北京大学物理学院大气与海洋科学系, 北京1008712. 中国气象局公共气象服务中心, 北京 1000813. 中山大学大气科学学院, 广州 5102754. 中国人民解放军96813 部队, 黄山 245000

收稿日期:2018-08-08修回日期:2018-09-25出版日期:2019-07-20

基金资助:国家自然科学基金(41476008, 41576018)和广西壮族自治区特聘专家专项经费(2018B08)资助

PM_2.5 Forecast of Beijing Based on Ensemble Empirical ModeDecomposition and BP Neural Network

REN Xiaochen^1,4, ZOU Silin¹, TANG Xian², WEI Jun^3,?

1. Department of Atmospheric and Oceanic Sciences, School of Physics, Peking University, Beijing 1008712. Public MeteorologicalService Centre, China Meteorological Administration, Beijing 1000813. School of Atmospheric Sciences, Sun Yat-sen University,Guangzhou 5102754. 96813 Troops of PLA, Huangshan 245000

Received:2018-08-08Revised:2018-09-25Published:2019-07-20

RichHTML

0

PDF

(1939KB)

可视化

0

复制本文网址

1. 探讨2016版国际胰瘘研究小组定义和分级系统对胰腺术后患者胰瘘分级的影响.PDF(500KB)

-->

摘要/Abstract

摘要： 利用集合经验模态分解算法(EEMD)和 BP 神经网络组成的混合模型, 对北京城区PM_2.5浓度值进行短期预报。结果表明, 与单独使用BP神经网络模型相比, EEMD-BP混合模型的预报准确率更高; 混合模型高频部分的预报误差是整体误差的主要方面; 混合模型的输入变量中需包含输出变量的信息; 前期污染物浓度的数值对模型的预报结果有较大的影响。

引用本文

任晓晨, 邹思琳, 唐娴, 韦骏. 基于集合经验模态分解和BP神经网络的北京市PM_2.5预报研究[J]. 北京大学学报自然科学版, 2019, 55(4): 615-625.
REN Xiaochen, ZOU Silin, TANG Xian, WEI Jun. PM_2.5 Forecast of Beijing Based on Ensemble Empirical ModeDecomposition and BP Neural Network[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2019, 55(4): 615-625.





PDF全文下载地址:

http://xbna.pku.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3359