期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
基于粒子群算法的BP神经网络在大气NO_(2)浓度预测中的应用研究 被引量:5
1
作者 齐贺香 +1 位作者 李素文 牟福生 《大气与环境光学学报》 CAS CSCD 2022年第2期230-240,共11页
NO_(2)是主要的大气污染气体之一,在大气光化学过程中起着重要作用。研究NO_(2)浓度的时空演变,预测其浓度变化趋势,对政府出台改善环境措施具有重要意义。提出利用粒子群算法(PSO)的反向传播(BP)神经网络对大气NO_(2)浓度进行预测。以... NO_(2)是主要的大气污染气体之一,在大气光化学过程中起着重要作用。研究NO_(2)浓度的时空演变,预测其浓度变化趋势,对政府出台改善环境措施具有重要意义。提出利用粒子群算法(PSO)的反向传播(BP)神经网络对大气NO_(2)浓度进行预测。以合肥地区2017年1月1日至2019年12月31日的大气污染数据和气象数据为基础,结合逐步回归方法筛选出与NO_(2)浓度相关性较大的影响因子作为输入样本。构建PSO-BP神经网络预测模型,利用PSO找出BP神经网络最优的初始权值和阈值。对比BP神经网络、遗传算法改进的BP神经网络和PSO改进的BP神经网络三种模型的预测结果,发现PSO-BP模型能够较为准确地预测出NO_(2)浓度的动态变化规律,并且预测精度高、模式简单,有望广泛应用于大气污染物浓度预测等方面的研究。 展开更多
关键词 粒子群算法 反向传播神经网络 逐步回归 NO_(2)浓度预测
下载PDF
基于MAX-DOAS的淮北地区NO_(2)柱浓度观测研究 被引量:2
2
作者 齐贺香 +1 位作者 李素文 牟福生 《大气与环境光学学报》 CAS CSCD 2021年第2期107-116,共10页
基于多轴差分吸收光谱技术(MAX-DOAS)反演NO_(2)柱浓度的方法,构建了相应的地基MAX-DOAS系统,开展了NO_(2)柱浓度变化特征的观测。反演中选取天顶方向的光谱作为参考光谱,通过非线性最小二乘法反演出NO_(2)斜柱浓度(SCD),结合不同观测... 基于多轴差分吸收光谱技术(MAX-DOAS)反演NO_(2)柱浓度的方法,构建了相应的地基MAX-DOAS系统,开展了NO_(2)柱浓度变化特征的观测。反演中选取天顶方向的光谱作为参考光谱,通过非线性最小二乘法反演出NO_(2)斜柱浓度(SCD),结合不同观测方向的斜柱浓度得到NO_(2)差分斜柱浓度(dSCD),再利用几何近似法得到大气质量因子(AMF),最终获取NO_(2)垂直柱浓度(VCD)。于2019年6月至2020年5月在淮北地区开展了为期一年的外场实验,研究结果表明淮北地区NO_(2)VCD的月均值在观测期间内呈现倒“U”型变化,在12月份达到最高值2.13×10^(16) molecules·cm^(−2),在8月份达到最低值5.23×10^(15) molecules·cm^(−2)。将MAX-DOAS观测结果的日均值与OMI卫星(云系数分别为0<FeC≤0.1和0<FeC≤0.3)测量结果进行对比,发现两者具有较好的相关性(R^(2)=0.88,R^(2)=0.90),表明MAX-DOAS不仅可以准确反演出NO_(2)垂直柱浓度,还可以验证卫星数据。 展开更多
关键词 多轴差分吸收光谱技术 OMI NO_(2)垂直柱浓度 对比分析
下载PDF
基于MAX-DOAS淮北地区疫情前后HCHO观测研究 被引量:1
3
作者 齐贺香 +1 位作者 牟福生 李素文 《光子学报》 EI CAS CSCD 北大核心 2021年第1期210-218,共9页
构建了具有操作简单、大范围以及高灵敏度等特点的地基多轴差分吸收系统(MAX-DOAS),对淮北地区2019年10月至2020年5月进行连续观测,得到HCHO的时间序列。为了减少其他气体的干扰,采用不同波段反演HCHO差分斜柱浓度,对比发现,选用324~342... 构建了具有操作简单、大范围以及高灵敏度等特点的地基多轴差分吸收系统(MAX-DOAS),对淮北地区2019年10月至2020年5月进行连续观测,得到HCHO的时间序列。为了减少其他气体的干扰,采用不同波段反演HCHO差分斜柱浓度,对比发现,选用324~342 nm波段时,反演误差波动最小,能够精确获取甲醛气体浓度。由HCHO月均值序列结果可知,疫情中期与疫情前后相比,浓度分别降低了35%和23%。日变化以及周变化结果表明淮北地区HCHO浓度具有早晚高、中午低的日变化特征,且没有明显的周末效应。结合Hysplit风场后向轨迹模型对高值天气的风场进行研究,发现在2020年1月12~14日与18~21日期间,淮北地区在西北风场的影响下,会受到来自砀山等地的污染输送影响,引起HCHO浓度的升高。MAX-DOAS测量HCHO柱浓度结果与OMI卫星数据进行对比发现两种测量方式具有良好的一致性(R2=0.87)。 展开更多
关键词 HCHO 多轴差分吸收光谱 OMI卫星 垂直柱浓度 浓度特征
下载PDF
Research of NO_(2) vertical profiles with look-up table method based on MAX-DOAS
4
作者 Yingying Guo Suwen Li +2 位作者 Fusheng Mou Hexiang Qi Qijin Zhang 《Chinese Physics B》 SCIE EI CAS CSCD 2022年第1期332-338,共7页
Obtaining the vertical distribution profile of trace gas is of great significance for studying the diffusion procedure of air pollution.In this article,a look-up table method based on multi-axis differential optical a... Obtaining the vertical distribution profile of trace gas is of great significance for studying the diffusion procedure of air pollution.In this article,a look-up table method based on multi-axis differential optical absorption spectroscopy(MAX-DOAS)technology is established for retrieving the tropospheric NO_(2) vertical distribution profiles.This method retrieves the aerosol extinction profiles with minimum cost function.Then,the aerosol extinction profiles and the atmospheric radiation transfer model(RTM)are employed to establish the look-up table for retrieving the NO_(2) vertical column densities(VCDs)and profiles.The measured NO_(2) differential slant column densities(DSCDs)are compared with the NO_(2) DSCDs simulated by the atmospheric RTM,and the NO_(2) VCDs,the weight factor of NO_(2) in the boundary layer,and the boundary layer height are obtained by the minimization process.The look-up table is established to retrieve NO_(2) VCDs based on MAX-DOAS measurements in Huaibei area,and the results are compared with the data from Copernicus Atmospheric Monitoring Service(CAMS)model.It is found that there are nearly consistent and the correlation coefficient R2 is more than 0.86.The results show that this technology provides a more convenient and accurate retrieval method for the stereoscopic monitoring of atmospheric environment. 展开更多
关键词 multi-axis differential optical absorption spectroscopy look-up table method the cost function NO_(2)vertical profile
下载PDF
主成分分析法在合肥市空气质量评估中的应用
5
作者 周闯 张琦锦 +2 位作者 牟福生 李素文 《大气与环境光学学报》 CAS CSCD 2024年第4期479-488,共10页
基于2019年1月1日至2020年12月31日地面国控站点的重要污染物日均浓度监测数据和气象数据,利用主成分分析法对合肥市城市空气质量进行了综合评估。其中污染物数据包括细颗粒物(PM_(2.5))、可吸入颗粒物(PM_(10))、二氧化氮(NO_(2))、二... 基于2019年1月1日至2020年12月31日地面国控站点的重要污染物日均浓度监测数据和气象数据,利用主成分分析法对合肥市城市空气质量进行了综合评估。其中污染物数据包括细颗粒物(PM_(2.5))、可吸入颗粒物(PM_(10))、二氧化氮(NO_(2))、二氧化硫(SO_(2))、一氧化碳(CO)和臭氧(O_(3))等重要大气污染物的日值数据;气象数据包括平均气温、平均风速、日照时数、20-20时累计降水量、平均本站气压和平均相对湿度。首先通过逐步回归法筛选出与空气质量指数有显著影响的指标,再通过主成分分析法对显著指标进行数据降维。根据主成分分析理论,从5个显著影响指标中提取出2个主成分,所提取的两个主成分累积方差贡献率达到82.9%。评估合肥市城区空气质量的第一主成分为PM_(2.5)、CO和PM_(10)组成的综合指标,表明合肥市空气质量受PM_(2.5)、CO和PM_(10)污染物的浓度变化影响最为显著;第二主成分为日照时数和O_(3)组成的综合指标,表明日照时数和O_(3)浓度的变化是影响空气质量的第二重要因素。主成分综合得分与空气质量指数具有较好的一致性(R^(2)=0.78),对比分析发现,主成分分析法对于优良空气质量及冬季的评估效果最好。研究结果表明,运用主成分分析法提取的主成分结合综合得分可对城区空气质量进行有效评估。 展开更多
关键词 主成分分析 逐步回归 空气质量指数 空气质量评估 合肥市
下载PDF
车载小型DOAS系统获取淮北地区大气污染气体方法研究 被引量:1
6
作者 张琦锦 +1 位作者 李素文 牟福生 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2023年第3期984-989,共6页
我国城市气体污染物主要包括氮氧化物、臭氧、二氧化硫和颗粒物等,其中NO_(2)和SO_(2)是气体污染物中常见的污染痕量气体,对地气辐射、全球气候、空气质量和人体健康都有着直接或间接的影响。淮北地区是我国基础能源和重要原料煤炭的生... 我国城市气体污染物主要包括氮氧化物、臭氧、二氧化硫和颗粒物等,其中NO_(2)和SO_(2)是气体污染物中常见的污染痕量气体,对地气辐射、全球气候、空气质量和人体健康都有着直接或间接的影响。淮北地区是我国基础能源和重要原料煤炭的生产基地,长期的煤炭生产使得当地大气环境污染相对更为复杂,开展快速获取大气污染物浓度是目前研究热点之一。差分吸收光谱(DOAS)仪是一种光学遥感式光谱设备,具有稳定、时间分辨率高、灵敏度高和不受搭建平台制约等优势特点,可同时获取多种污染气体的浓度信息。针对淮北地区复杂的环境污染,构建了基于移动平台的车载小型差分吸收光谱系统(DOAS),该系统包括光谱采集系统、温控系统和GPS定位系统。利用车载GPS定位系统记录移动过程中的经纬度和车速,光谱仪放置在恒温系统中,保障系统测量的精准性。在实验期间,首先测试了系统的性能,规划了走航观测路线,并将车载DOAS测量结果与地基MAX-DOAS进行对比以验证系统的准确性,实现了对淮北地区的大气典型污染物的快速、便捷、精准监测。航测期间,利用QDOAS软件对原始测量光谱进行反演处理,选取相对干净的光谱作为参考谱,获取了淮北地区NO_(2)和SO_(2)柱浓度空间分布,其中NO_(2)的浓度范围为5.09×10^(15)~15.4×10^(16) molecule·cm^(-2),SO_(2)的浓度范围为3.53×10^(15)~9.07×10^(16) molecule·cm^(-2)。将车载DOAS测量的结果分别与站点地基MAX-DOAS测量结果和卫星(TROPOMI)数据对比,均具有较好一致性(相关系数R2>0.75)。外场实验表明构建的车载小型DOAS系统可以准确的获取城市污染气体柱浓度分布,为确认城市污染气体的源区和校验卫星遥感数据提供一种有效的技术手段。 展开更多
关键词 车载 小型差分吸收系统 淮北地区 柱浓度 大气污染
下载PDF
基于主成分分析的RBF神经网络预测SO_(2)浓度 被引量:2
7
作者 张琦锦 +1 位作者 李素文 牟福生 《大气与环境光学学报》 CAS CSCD 2022年第5期550-557,共8页
利用基于主成分分析(PCA)算法的径向基(RBF)神经网络对大气中SO_(2)浓度进行滚动预测。以北京大兴地区2019年9月1日至2020年10月31日的气象数据和空气质量参数为基础,结合逐步回归法筛选出与SO_(2)线性相关的参数作为输入样本,构建PCA-... 利用基于主成分分析(PCA)算法的径向基(RBF)神经网络对大气中SO_(2)浓度进行滚动预测。以北京大兴地区2019年9月1日至2020年10月31日的气象数据和空气质量参数为基础,结合逐步回归法筛选出与SO_(2)线性相关的参数作为输入样本,构建PCA-RBF预测模型。利用该模型预测北京大兴地区某天的SO_(2)浓度,将预测值保留并作为下一天预测模型的输入参数。以此将预测值不断地向前延伸并进行分析和预测,从而实现SO_(2)浓度的滚动预测。对比RBF网络和PCA-RBF网络两种模型的预测结果,其中PCA-RBF模型期望值和预测值的误差及相关系数分别为0.03μg·m^(-3)和0.9989。表明PCA-RBF网络模型能精准预测SO_(2)浓度变化趋势,为进一步解决大气污染问题提供技术支持。 展开更多
关键词 逐步回归分析 主成分分析 主成分分析-径向基神经网络 SO_(2)
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部