基于U-net神经网络模型的PM_2.5逐小时浓度值预测模型

李燚航¹, 翟卫欣^2,3,?, 颜寒祺³, 朱道也³, 童晓冲⁴, 程承旗⁵

1. 北京大学城市与环境学院, 北京 1008712. 中国农业大学信息与电气工程学院, 北京 1000833. 北京大学前沿交叉学科研究院, 北京 1008714. 信息工程大学地理空间信息学院, 郑州4500525. 北京大学工学院空天信息工程研究中心, 北京 100871

收稿日期:2019-09-11修回日期:2020-03-16出版日期:2020-09-20

基金资助:国家重点研发计划项目(2018YFB0505300, 2017YFB0503703)、广西科技重大专项项目(桂科 AA18118025)、国防科技创新特区项目和中国博士后科学基金(2020M670024)资助

Prediction of PM_2.5 Hour Concentration Based on U-net Neural Network

LI Yihang¹, ZHAI Weixin^2,3,?, YAN Hanqi³, ZHU Daoye³, TONG Xiaochong⁴, CHENG Chengqi⁵

1. College of Urban and Environmental Sciences, Peking University, Beijing 1008712. College of Information and Electrical Engineering, China Agricultural University, Beijing 1000833. Academy for Advanced Interdisciplinary Studies, Peking University, Beijing 1008714. Institute of Geospatial Information, Information Engineering University, Zhengzhou 4500525. Aerospace Information Engineering Research Center, Peking University, Beijing 100871

Received:2019-09-11Revised:2020-03-16Published:2020-09-20

PDF

(1434KB)

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： 针对目前多数PM_2.5预测模型泛化能力较差的问题, 提出基于U-net神经网络模型的PM_2.5逐小时浓度值预测模型。该模型通过引入历史风场数据, 将离散的监测站点PM_2.5浓度值插值为PM_2.5网格图; 然后将U-net神经网络作为预测模型, 基于实验区域的10小时内的PM_2.5网格图, 预测下一时刻的PM_2.5网格图。该模型可以利用历史不同时刻提取的PM_2.5浓度值网格图, 在预测区域内所有位置PM_2.5浓度值的同时, 还可以提升预测的准确性以及对PM_2.5浓度值突变情况的适应性。实验结果表明, 所提方法在PM_2.5浓度值短时间突变情况下, 预测精度比传统方法有10%左右的提升。

引用本文

李燚航, 翟卫欣, 颜寒祺, 朱道也, 童晓冲, 程承旗. 基于U-net神经网络模型的PM_2.5逐小时浓度值预测模型[J]. 北京大学学报自然科学版, 2020, 56(5): 796-804.
LI Yihang, ZHAI Weixin, YAN Hanqi, ZHU Daoye, TONG Xiaochong, CHENG Chengqi. Prediction of PM_2.5 Hour Concentration Based on U-net Neural Network[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2020, 56(5): 796-804.





PDF全文下载地址:

http://xbna.pku.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3518