顾及数据特征的贝叶斯网络PM浓度预报研究

被引：3

作者：

陈璟雯 ^{[1
]}

邹滨 ^{[1
]}

王敏 ^{[1
]}

田耘 ^{[2
]}

罗岳平 ^{[2
]}

机构：

[1] 中南大学地球科学与信息物理学院

[2] 湖南省环境监测中心站

来源：

环境科学与技术 | 2015年 / 11期

基金：

湖南省自然科学基金;

关键词：

PM2.5; 空气污染预报; 贝叶斯网络; 相似性度量;

D O I：

暂无

中图分类号：

X513 [粒状污染物];

学科分类号：

0706 ; 070602 ;

摘要：

针对传统贝叶斯网络模型在样本数据不充分限制下预报精度低的缺陷,引入相似性度量方法,提出一种基于Jaccard相似性系数修正的贝叶斯网络PM2.5日均浓度预报模型。在传统模型缺失对应输出时,改进贝叶斯网络模型可依据相似性原理,从历史资料筛选预报日相似样本,并基于筛选出的相似样本估算预报日PM2.5浓度值。以2013年长沙市3个空气质量监测点监测数据为例,运用改进模型和传统模型在各站点不同季节典型月份开展了预报实验。结果表明:改进贝叶斯网络模型相对传统贝叶斯网络模型在5月、11月、2月的预报准确率均有不同程度的提高;同一月份,各站点预报效果无显著差异;不同月份预报效果差别明显,预报准确率从高到低依次是8月、5月、11月和2月。研究证实,引入样本相似性度量手段提高传统贝叶斯网络模型在空气质量预报中的精度具有可行性。

引用

页码：49 / 56

页数：8

共 24 条

[1] 重庆市主城区不同粒径颗粒物水溶性无机组分特征 [J].

张丹 ;

翟崇治 ;

周志恩 ;

张灿 .

环境科学研究, 2012, (10) :1099-1106

[2] 贝叶斯网络参数学习中的连续变量离散化方法 [J].

吴红 ;

王维平 ;

杨峰 .

系统工程与电子技术, 2012, 34 (10) :2157-2162

[3] 我国大气颗粒物来源及特征分析 [J].

胡敏 ;

唐倩 ;

彭剑飞 ;

王锷一 ;

王淑兰 ;

柴发合 .

环境与可持续发展, 2011, 36 (05) :15-19

[4] 我国大气细颗粒物水平、成分、来源及污染特征 [J].

杨春雪 ;

阚海东 ;

陈仁杰 .

环境与健康杂志, 2011, 28 (08) :735-738+753

[5] 城市环境空气污染预报研究进展 [J].

任万辉 ;

苏枞枞 ;

赵宏德 .

环境保护科学, 2010, 36 (03) :9-11

[6] 当前城市空气污染预报方法存在的问题及新思路 [J].

王勤耕 ;

夏思佳 ;

万祎雪 ;

金龙山 .

环境科学与技术, 2009, (03) :189-192

[7]

Long-term monitoring and source apportionment of PM2.5/PM10 in Beijing,China[J]. WANG Hailin1,ZHUANG Yahui1,WANG Ying2,SUN Yele2,YUAN Hui2,ZHUANG Guoshun2,HAO Zhengping1,1.Research Center for Eco-Environmental Sciences,The Chinese Academy of Sciences,Beijing 100085,China.2.Center for Atmospheric Environmental Study,Department of Chemistry,Beijing Normal University,Beijing 100875,China.Journal of Environmental Sciences. 2008(11)

[8] 长沙市两种空气质量预报方法检验对比 [J].