《表2 气象变量对SVMr预报精度的影响》

  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

《支持向量机回归在臭氧预报中的应用》

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

首先，对气温、风速、风向、相对湿度和太阳辐射等常规气象变量的小时平均值与O3小时平均值做相关性分析，将相关系数绝对值大于0.40（均通过显著性水平α=0.05的显著性检验）的气象变量作为模型的输入.由此得到的气象输入变量为气温、相对湿度、紫外B波段辐射（ultraviolet radiation B，UVB）和日照时数，相关系数分别为0.47、-0.74、0.50和0.53.预报时刻前期的O3浓度能够提高模型预报的准确性[32]，经模型测试，选取预报时刻前1 h的O3浓度作为输入变量.由于模型预报时间不超过15 s，将上述气象变量拟作为最优组合全部代入模型，每次只去除一项输入因子，以检验各变量在模型中的表现.结果显示（表2），去除UVB项后，模型的MAE和MAPE均增加8%，去除日照时数项，MAE和MAPE分别增加了2%和12%，其它因素的变化相对不明显.这说明在气象因素中，太阳辐射作为大气中光化学反应的主要能源，对O3小时值的预报尤为重要.