《表2 不同季节PM2.5与AOD的秩相关系数》

  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

《基于天气类型聚类和LSTM的PM_(2.5)短期预测模型》

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

由图2可知，PM2.5浓度表现出冬季高、夏季低的特点。季节差异上，夏冬两季数据离散程度明显高于春秋两季。Copula函数描述了多变量的联合概率分布中除了变量边缘分布信息之外的变量间相依结构信息，可由随机变量之间的联合概率分布唯一确定[6]。根据收集到的数据构建二元Copula模型，描述PM2.5与AOD的相依结构。以北京市PM2.5和AOD数据得到的不同季节的kendall秩相关系数和spearman秩相关系数见表2。由表2可知，不同季节中PM2.5与AOD的秩相关系数均超过了0.5，而AOD数据能够间接反映天气状况，所以将AOD数据作为划分天气类型的标准是必要合理的。