CNN-SVR用于MAX-DOAS预测对流层NO_2廓线
文献类型：期刊论文
| 作者 | 潘屹峰2; 田鑫2; 谢品华1 ; 李昂1; 徐晋1; 任博1; 黄骁辉2; 田伟2; 王子杰2
|
| 刊名 | 光学学报
 |
| 出版日期 | 2022 |
| 卷号 | 42 |
| 关键词 | atmospheric optics convolutional neural network support vector regression machine multi-axis differential absorption spectroscopy tropospheric NO_2 profile 大气光学 卷积神经网络 支持向量回归机 多轴差分吸收光谱 对流层NO_2廓线 |
| ISSN号 | 0253-2239 |
| 英文摘要 | 提出一种基于卷积神经网络(CNN)和支持向量回归机(SVR)的多轴差分光学吸收光谱(MAX-DOAS)对流层NO_2垂直分布预测方法。将2019年南京站点采集的原始MAX-DOAS数据通过QDOAS软件拟合获取O_4和NO_2差分斜柱浓度,结合基于最优估算的气溶胶和痕量气体廓线反演算法——PriAM算法反演了对流层NO_2廓线,并将其作为预测模型的输出。此外,通过平均影响值方法进行预测模型输入变量的选择,确定了MAX-DOAS数据、温度、气溶胶光学厚度和低云覆盖率为模型的最佳输入变量。通过实验优化网络结构和参数,最终建立预测模型在测试集与PriAM的平均百分比误差仅为9.14%,与单独建立的CNN、SVR、反向传播模型相比,平均百分比误差分别降低了8.22%、6.00%、 32.28%。因此,CNN-SVR能够利用MAX-DOAS数据对对流层NO_2廓线进行有效预测。 |
| 语种 | 中文 |
| 源URL | [http://ir.hfcas.ac.cn:8080/handle/334002/133034]  |
| 专题 | 中国科学院合肥物质科学研究院 |
| 作者单位 | 1.中国科学院合肥物质科学研究院 2.安徽大学 |
| 推荐引用方式 GB/T 7714 | 潘屹峰,田鑫,谢品华,等. CNN-SVR用于MAX-DOAS预测对流层NO_2廓线[J]. 光学学报,2022,42. |
| APA | 潘屹峰.,田鑫.,谢品华.,李昂.,徐晋.,...&王子杰.(2022).CNN-SVR用于MAX-DOAS预测对流层NO_2廓线.光学学报,42. |
| MLA | 潘屹峰,et al."CNN-SVR用于MAX-DOAS预测对流层NO_2廓线".光学学报 42(2022). |
入库方式： OAI收割
来源：合肥物质科学研究院
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。