基于CMAQ与前馈神经网络的区域大气污染物浓度快速响应模型

摘要：

建立大气污染可控源排放-复合污染水平的函数关系,实现给定排放情景下环境污染物浓度的实时响应,是大气污染物浓度预测与减排效果评估等的重要技术前提.本研究对污染物浓度影响因子变化空间进行拉丁超立方采样,使用CMAQ区域多尺度空气质量模型的预测值作为输入数据,通过前馈神经网络模型构建基于统计机器学习的长三角区域污染物浓度快速响应模型.结果表明经过模型结构选择与参数调整,基于前馈神经网络的快速响应模型能够快速准确还原出不同减排情景下长三角区域PM2.5浓度的预测值.外部验证情景下相关系数CORR达到0.999以上,MB与ME均值达到了-0.046 μg· m-3和0.6162 μg·m-3,实现了比RSM更加快速与准确的预测,不同时段与不同污染物浓度的准确预测则验证了其普适性.

关键词：CMAQ、拉丁超立方采样、前馈神经网络、快速响应、外部验证

所属期刊栏目：38

分类号：X829(环境质量分析与评价)

资助基金：环保部公益项目201409008-4;浙江省社会发展重大专项2014C03025

在线出版日期：2018-12-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：4480-4489