换一批摘要气溶胶组分、结构以及形态的复杂性对高湿条件下气溶胶散射吸湿增长因子统计模型的适用性提出 了挑战.基于成都市2017年10-12月浊度计和黑碳仪的逐时观测资料,结合同时次的环境气象监测数据,利用"光学综合法"计算气溶胶散射吸湿增长因子.以相对湿度(RH)、CBC、CBC/CPM2.5、CPM1/CPM2.5以及CPM2.5/CPM10作为输入因子[CBC、CPM1、CPM2.5、CPM10分别为黑碳(BC)、PM1、PM2.5、PM10的质量浓度],构建了气溶胶散射吸湿增长因子的BP神经网络模型.结果表明:气溶胶散射吸湿增长因子BP神经网络模型、多变量GAM模型、双变量模型以及单变量二次多项式模型的判决系数(R2)分别为0.870、0.792、0.744和0.650,其中高湿条件(RH＞85％)下模拟值的判决系数(R2)分别为0.749、0.685、0.638和0.538.多模型对比表明,气溶胶散射吸湿增长因子BP神经网络模型的模拟效果最优,显著降低了统计模型在高湿条件(RH＞85％)下的模拟误差.
更多相关知识
关键词
气溶胶散射吸湿增长因子人工神经网络BP模型成都aerosolscattering hygroscopic growth factorartificial neural networkBP modelChengdu
栏目名称
DOI
10.13205/j.hjgc.202307018
发布时间
2023-09-14（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览3
- 被引3
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
