|
基本信息Personal Information
教授
主要任职 : 电工电子省级实验教学示范中心主任
其他任职 : 电子信息类（电子与通信工程）学位点负责人
曾获荣誉 : 省151人才工程第二层次 浙江师范大学教坛新秀 浙江师范大学优秀中青年骨干教师
性别 : 男
毕业院校 : 北京理工大学
学历 : 博士研究生毕业
学位 : 博士学位
在职信息 : 在岗
所在单位 : 物理与电子信息工程学院
入职时间 : 2004年09月01日
学科 : 电子信息工程
办公地点 : 浙江师范大学物理与电子信息工程学院21幢5-13室
联系方式 : 手机：13750983589
Email :
扫描关注
基于机器学习的PM2.5短期浓度动态预报模型
点击量 ：
第一作者 ： 戴李杰
发表时间 ： 2017-01-01
发表刊物 ： 计算机应用
所属单位 ： 数理与信息工程学院
文献类型 ： 期刊
卷号 ： 第37卷
期号 ： 第11期
页面范围 ： 3057-3063
ISSN ： 1001-9081
关键字 ： 机器学习；粒子群优化算法；动态模型；滚动预报
摘要 ： 针对目前现有的PM2.5模式预报系统的预报值偏离实际浓度较大的问题,从上海市浦东气象局获得2015年2月至7月的PM2.5实况观测浓度、PM2.5模式预报(WRF-Chem)浓度和5个主要气象因子的模式预报数据资料,联合应用支持向量机(SVM)和粒子群优化(PSO)算法建立滚动预报模型,对PM2.5未来24小时浓度进行预报,同时对未来一天的昼、夜均值及日均值浓度进行预报,并与径向基函数神经网络(RBFNN)、多元线性回归法(MLR)、模式预报(WRF-Chem)作对比。实验结果表明,相比其他预报方法,所提
是否译文 ： 否