作者：高雅; 王占永; 路庆昌; 彭仲仁城市高架路垂直分布广义加性模型主成分分析神经网络模型
摘要：以上海市高架路为对象,通过移动设备开展数据采集,建立广义加性模型,对高架路细颗粒物(PM2.5)浓度的垂直分布及其与微观尺度下的交通、气象、位置等因素之间的关系进行了系统研究,并将原始影响因素的主成分分析结果作为输入变量,提出基于主成分分析法（PCA）的高架路交通污染物浓度垂直变化的神经网络预测模型（PCA-BPNN）.结果表明:高度、相对湿度和交通流量对PM2.5浓度垂直变化有着显著影响;PCA-BPNN模型能够较好地处理污染物扩散的非线性问题,消除变量间多重共线性,有效弥补污染物垂直扩散模型在道路微观尺度上预测的不足.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
