综合机器学习和卡曼滤波方法研究我国夏季臭氧分布变化
编号：201 稿件编号：2391 访问权限：仅限参会人 更新：2021-06-09 16:29:01 浏览：570次 张贴报告

报告开始：2021年07月10日 13:05 （Asia/Shanghai）

报告时间：5min

所在会议：[SP] 张贴报告专场 » [SP-11] 主题11、大气科学 墙报

暂无文件

摘要
地表臭氧是一种主要的空气污染物，影响人类健康及农作物生长。我国高密度的地表臭氧观测为研究臭氧污染提供了重要观测数据来源；大气化学输运模式被广泛应用以解释观测到的臭氧变化。结合地面观测和模式模拟的数据同化方法，则可以进一步增强模式模拟的可靠性。在传统的数据同化方法之外，新兴的基于机器学习的研究方法在大气环境研究中的应用正在逐步增加。在本工作中，我们对比研究机器学习方法和传统数据同化方法（卡曼滤波）预测我国地表臭氧浓度的实际效果，以期理解机器学习方法的优势与不足；并以此为基础，研究我国2015-2020年夏季臭氧分布和变化规律。使用2015-2018年臭氧观测数据作为训练集，我们发现机器学习方法可以较好的预测我国2019年地面臭氧浓度。
关键字
臭氧,机器学习,卡曼滤波
报告人
王敏
中国科学技术大学

稿件作者
王敏 中国科学技术大学
发表评论
验证码 看不清楚，更换一张
全部评论
登录 会议管理 酒店预订 提交摘要