《表3 不同研究PM2.5预报误差对比》

  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

《基于深度学习的大气细颗粒物污染时空预报》

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

注：1为深度学习预报结果与CMAQ输出结果在全部网格上的RMSE误差值；2为深度学习预报结果与CMAQ输出结果在6座重点城市（北京、上海、广州、武汉、成都、西安）上的RMSE误差值；3为优化校正后的深度学习预报结果与实际观测结果在全部616个观测点网格上的RMSE误差值。

本研究与其他深度学习PM2.5预报研究的预报误差对比情况如表3所示。本研究的预报误差与已有研究相比处于同一水平。本研究无须使用PM2.5浓度本身作为输入，且可同时对全国范围空间面上的PM2.5浓度进行预报，更具实际应用价值。