当前位置：首页 > 论文 > 2023 > 06

论文

基于HHO-CNN-LSTM的CMAQ修正模型及其在上海市空气质量预报中的应用

收稿日期：2023-10-17 修回日期：2023-11-02 接受日期：2023-12-02

DOI:10.20078/j.eep.20231107

免费下载 免费下载 2023年06期

    摘要：建立空气质量预报模型,预测污染物浓度对人类健康和社会经济发展具有重要意义。然而,传统的空气质量模型CMAQ对污染物浓度的预报精度并不理想。对此,本文提出了一种基于卷积神经网络(CNN)和长短期记忆神经网络(LSTM) 的空气质量预报修正模型... 展开+
    摘要：

    建立空气质量预报模型,预测污染物浓度对人类健康和社会经济发展具有重要意义。然而,传统的空气质量模型CMAQ对污染物浓度的预报精度并不理想。对此,本文提出了一种基于卷积神经网络(CNN)和长短期记忆神经网络(LSTM) 的空气质量预报修正模型,并使用哈里斯鹰算法(HHO)对模型的超参数进行优化;用CMAQ模型对上海市2022年12月六种大气污染物(SO_2、NO_2、PM_10、PM_2.5、O_3、CO)浓度的预报数据以及监测站的气象数据和污染物浓度实测数据作为HHO-CNN-LSTM模型的输入,对CMAQ模型预报结果进行修正。使用均方根误差(RMSE)、平均绝对误差(MAE)和一致性指数(IOA)作为评价指标。结果显示,修正模型显著提高了六项污染物浓度的预测精度,RMSE 减少了73.11%~91.31%,MAE减少了67.19%~89.25%,IOA 提升了35.34%~108.29%。同时针对HHO算法陷入局部最优而导致修正模型对CO浓度预测效果不佳的问题,使用高斯随机游走策略对HHO算法进行改进,显著提高了CO浓度的预测精度。相比于改进之前,RMSE减少了39.55%,MAE减少了45.93%,IOA 提高了32.43%。

    收起-

    作者：

    • 郑鑫楠1
    • 林开颜2
    • 王孜竞1
    • 宋远博1
    • 师洋1
    • 路函悦1
    • 张亚雷2,3
    • 沈峥2,*

    作者简介

    作者简介：郑鑫楠(2000—),男,浙江绍兴人,硕士研究生在读,主要研究方向为智慧环境工程。E-mail:zhengxinnan@tongji.edu.cn
    通讯作者：沈峥(1978—),男,浙江宁波人,研究员,主要研究方向为废弃物资源化利用。E-mail:shenzheng@tongji.edu.cn

    单位

    • 1. 同济大学 电子与信息工程学院
    • 2. 同济大学 新农村发展研究院
    • 3. 同济大学 环境科学与工程学院

    关键字

    • 空气质量预报
    • CMAQ
    • 模型
    • 卷积神经网络
    • 长短期记忆神经网络
    • 哈里斯鹰优化算法

    基金项目

    国家重点研发计划政府间国际合作资助项目(2022YFE0120600);国家自然科学基金面上资助项目(21978224)

    引用格式

    郑鑫楠, 林开颜, 王孜竞, 等. 基于HHO-CNN-LSTM的CMAQ修正模型及其在上海市空气质量预报中的应用[J]. 能源环境保护, 2023, 37(6): 101-110.

    ZHENG Xinnan, LIN Kaiyan, WANG Zijing, et al. Application of HHO-CNN-LSTM-based CMAQ correction model in air quality forecasting in Shanghai[J]. Energy Environmental Protection, 2023, 37(6): 101-110.

    相关论文

    • 作者中心
    • 在线期刊

    最新更新

    地址：浙江省杭州市萧山区拱秀路288号煤科大厦
    邮编：311201
    编辑部电话：0571-82989702；19558121964
    编辑部邮箱：office@eep1987.com
    网站版权©《能源环境保护》编辑部  浙ICP备06000902号-4