利用PCA-kNN方法改进广州市空气质量模式PM2.5预报OA北大核心CSCDCSTPCD
APPLICATION OF PCA-kNN METHOD IN IMPROVEMENT OF AIR QUALITY MODEL PM2.5 FORECASTING IN GUANGZHOU
为了提高广州市PM2.5客观预报能力,采用主成分分析结合机器学习算法k近邻(PCA-kNN)方法,基于空气质量模式(CMAQ)预报产品、中尺度天气模式(GRAPES-MESO)预报产品和2017年上半年广州PM2.5观测实况,试验确定PCA-kNN方法的最佳参数方案,建立广州市空气质量模式PM2.5预报客观订正方法.结果 表明:与CMAQ模式的PM2.5预报相比,在第1~3天预报时效上,PCA-kNN订正结果与实况的相关系数分别提高20%、15%…查看全部>>
汤静;王春林;谭浩波;邓雪娇;邓涛
广州市气候与农业气象中心 广东广州511430广州市气候与农业气象中心 广东广州511430广东省生态气象中心 广东广州510640中国气象局广州热带海洋气象研究所/广东省区域数值天气预报重点实验室,广东广州510640中国气象局广州热带海洋气象研究所/广东省区域数值天气预报重点实验室,广东广州510640
天文与地球科学
PM2.5空气质量模式PCA-kNN
《热带气象学报》 2019 (1)
125-134,10
国家重点研发计划项目课题(2016YFC0203305、2016YFC0201901)广州市产学研协同创新重大专项(201604020028)广东省气象局科技创新团队计划项目(No.201704)广东省气象局科研项目(GRMC2017Q16)广州市气象局科研项目(201618)共同资助
评论