| 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 |
| DOI： |
| 分类号: |
| 基金项目: |
|
|
|
|
| Abstract: |
|
| Key words: |
