中国环境科学

作者：苏筱倩, 安俊琳, 张玉欣

单位：1. 南京信息工程大学, 气象灾害教育部重点实验室, 气候与环境变化国际合作联合实验室, 气象灾害预报预警与评估协同创新中心, 江苏 南京 210044; /\r\n2. 青海省人工影响天气办公室, 青海 西宁 810001

关键词：支持向量机回归,小波变换,多元线性回归,臭氧预报,臭氧小时浓度

基金：

国家自然科学基金资助项目（91544229）；国家重点研发计划专项（2016YFC0202400）；江苏省高校"青蓝工程"项目

使用南京工业区2016年6月1日~8月15日的臭氧（O3）、O3前体物及常规气象数据，结合多元线性回归（MLR）方法和小波变换（WT）改进支持向量机回归（SVR）对O3小时浓度的预报精度.结果表明，通过WT方法将一个高变异性的序列转化为多个低变异性的序列后再处理可提高预报精度，M-WT-SVR预报的决定系数（R2）达到0.90，平均绝对误差（MAE）、平均绝对百分误差（MAPE）和均方根误差（RMSE）分别为3.86×10-9、28.26%和5.57×10-9，优于M-SVR和SVR.低层细节序列主要与NO、NO2和芳香烃有关，而更高层的近似序列受到气象条件、前体物和O3前期浓度共同影响.与经典的MLR方法相比，M-WT-SVR对O3小时浓度的预报有明显优势.

来源：2019年第9期

《中国环境科学》期刊编辑部

查看中国环境科学杂志2019年第9期