来源：期刊VIP网 时间：
作者：周恒左;陈恒蕤;落义明;杨宏;廖鹏;潘峰;仝纪龙;
单位：兰州大学大气科学学院;中国三峡新能源(集团)股份有限公司甘肃分公司;
摘要：为准确、快速地模拟ρ(PM_(2.5)),构建深度学习模型:深度神经网络(DNN)、长短期记忆递归神经网络(LSTM)、卷积神经网络,用兰州市气象站监测数据、大气污染物排放清单以及环境空气质量监测站点的常规污染物监测数据,对兰州市逐小时ρ(PM_(2.5))进行模拟.结果表明,年际尺度上,3种模型中DNN的效果最好,LSTM对实测值较大的数据模拟效果比其他模型更好.季节尺度上,划分不同季节进行模拟的效果优于使用全年数据的模拟效果.3种模型中表现最好的是LSTM模型,整体表现为春、夏、秋季的模拟效果较好,冬季模拟效果较差.
关键词：深度学习;;ρ(PM_(2.5));;排放清单;;气象因子
基金资助：国家自然科学基金项目(42075174)
