利用PCA-kNN方法改进广州市空气质量模式PM2.5预报
汤静1
王春林1
谭浩波2
邓雪娇3
邓涛3
1.广州市气候与农业气象中心 广东广州5114302.广东省生态气象中心 广东广州5106403.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
摘要：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％、29％,均方根误差分别降低17％、16％、20％,平均偏差更接近0,PM2.5浓度等级TS评分接近或优于CMAQ预报,PCA-kNN订正结果优于CMAQ预报.机器学习算法PCA-kNN方法可有效改进广州市空气质量模式PM2.5预报,本研究对其他地区、其他污染物客观预报研究具有借鉴意义.
关键词：PM2.5空气质量模式PCA-kNN
分类号：P456.7(天气预报)
资助基金：国家重点研发计划(2016YFC0203305)国家重点研发计划(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)
论文发表日期：2019-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 125-134 )
英文信息