作者：李晓岚; 刘旸; 栾健; 马雁军; 王扬锋; 张...集成预报cuacecmaqbp神经网络
摘要：基于CUACE（ CMA Unified Atmospheric Chemistry Environment）和 CMAQ（ Community Multiscale Air Quality）空气质量模式预报产品，应用BP（Back—Propagation）人工神经网络法建立沈阳市不同地点小风和高湿条件下PM2.5浓度集成预报模型，并对预报结果进行检验。结果表明：与单一空气质量模式相比，集成模型预报的PM2.5浓度更接近实测值，预报的PM2.5浓度的平均偏差和归一化均方误差均明显减小，预报的PM2.5浓度的模拟值在观测值两倍范围内的百分比（FAC2）明显提高。集成模型能较好地预报PM2.5浓度高值的变化，且显著提高了沈阳市外围城区PM2.5浓度的预报水平。集成预报模型可以实现CUACE和CMAQ两种空气质量模式产品的最优综合，对空气质量的实时预报具有一定的参考价值。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
