《表1 基于RBF网络的关键影响因素筛选》
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
《PM_(2.5)浓度空间估算的神经网络与克里格方法对比》
经相关性分析筛选出人口密度、降水和站点周围500 m缓冲区范围内道路总长度3个强相关因素。基于这3个因素与地理坐标(X,Y)及组合构建的PM2.5年均浓度空间估算RBF神经网络模型交叉检验结果如表1所示。不同单因素与多因素组合构建的RBF神经网络估算效果都存在一定差异,人口密度对PM2.5年均浓度空间变异的贡献作用不可忽视。
图表编号 | XD00226585200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.05 |
作者 | 许珊、邹滨、王敏、刘宁 |
绘制单位 | 中南大学地球科学与信息物理学院、中南大学地球科学与信息物理学院、湖南省第三测绘院、中南大学地球科学与信息物理学院 |
更多格式 | 高清、无水印(增值服务) |