《表2 重庆市O3-8H预报效果统计检验》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《重庆市臭氧污染及其气象因子预报方法对比研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

从图5可以看出，3种模型的预报曲线（图5a、图5c、图5e）与O3-8H浓度实况曲线具有较高的拟合度，预报与实况的变化趋势一致。逐步回归、支持向量机和神经网络模型的预报值与实况值的相关系数分别为0.89、0.92、0.91（表2），3种模型均有较好的预报效果，比较而言，支持向量机模型的预报效果最好，逐步回归的预报效果相对较差。但3种模型的预报与实况比较均有偏低的趋势，特别是5—8月的预报，3种模型的预报结果均明显低于实况，逐步回归的预报甚至出现了预报值小于零的情况。对3种模型预报值与实况值的散点图（图5b、图5d、图5f）进行分析，发现支持向量机模型的离散度明显小于其他两种方法。预报值与实况值线性拟合的系数也是支持向量机模型的系数最高，为0.82，更接近于1.00，说明该模型的预报与实况具有更好的线性关系。从3种模型的均方根误差来看（表2），支持向量机模型的误差最小，为21.67μg·m-3，逐步回归的误差最大，为25.45μg·m-3。综合比较而言，支持向量机模型的预报效果最好，神经网络模型次之，而逐步回归模型预报效果是3个模型中最差的。这进一步验证了，由于气象要素与臭氧浓度为非线性关系，所以线性回归方法建立的统计预报模型的预报效果要差于有较强非线性问题处理能力的支持向量机模型和神经网络模型。