-
题名城市雾霾问题分析与研究
- 1
-
-
作者
宋雨佳
岳晓宁
姚晨
-
机构
沈阳大学师范学院
-
出处
《环境与发展》
2020年第5期243-243,245,共2页
-
基金
2019年大学生创新创业训练计划项目《基于数据挖掘技术城市雾霾指数测量虚高问题研究》项目编号:2019110350055。
-
文摘
基于雾霾日益加重,本文引入对形成雾霾的气象效应和非气象效应概念,并从气象因素和非气象因素两个方面对雾霾形成的影响进行了分析。同时对雾霾的测量不准确及雾霾测量虚高问题进行了讨论,对雾霾测量数据存在虚高产生的原因进行分析。本文的研究对更好的量化研究雾霾形成和治理问题有其重要的意义。
-
关键词
雾霾
虚高
气象因素
非气象因素
二次气溶胶
-
Keywords
Haze
Virtual height
meteorological factor
non meteorological factor
Secondary aerosol
-
分类号
X513
[环境科学与工程—环境工程]
-
-
题名基于气象与非气象因素的客流量单数逐日预测模型
- 2
-
-
作者
乔媛
姜江
夏江江
白帆
蒋志
-
机构
北京市气象服务中心
中国科学院大气物理研究所
北京市门头沟区气象局
-
出处
《气象与环境科学》
2022年第4期90-97,共8页
-
基金
科技部项目“科技助力经济2020”重点专项第七项(SQ2020YFF0426556)。
-
文摘
客流量单数指的是到达商场的顾客真实买单的数量,客单数越多,经营者的工作量和相关消耗就越多,相应的收入也会越多。为建立对超市经营团体乃至整个商业服务行业具有应用价值的定量的短期超市客单数预测模型,选用6种机器学习预测方法进行尝试。结果显示:(1)客单数与气象因子之间的确存在着一定的相关性。客单数会随着气温和舒适度指数的升高,以及风速、相对湿度和降水量的降低,而有所增加。(2)6种机器学习预测方法中,当输入因子选择为气温、风速、相对湿度、降水量级别、舒适度指数、星期、是否节假日、是否节气共8个全因子进行模型训练后,得到的预测效果最佳。相对而言,随机森林的预测效果最优。(3)机器学习方法可以有效地进行客单数回归预测,定量化的预测模型可以作为经营者商业准备行为的科学借鉴,使经营者充分利用好人力和物力成本,有助于科学地节能减排。
-
关键词
客单数
机器学习
预测模型
气象要素
非气象要素
-
Keywords
passenger flow
machine learning
prediction model
meteorological factor
non-meteorological factor
-
分类号
P463.1
[天文地球—大气科学及气象学]
-
