《表2 京津冀实时逐月霾污染预测模型的性能指标》
注:年际增量指标:RMSE/MAE是均方根误差/绝对误差;LCC是年际增量预测和观测的相关系数;EV是解释方差。距平指标:PSSano是距平同号百分比;LCCano和DCCano分别是相关系数和去趋势后相关系数.
相比而言,由表2可见,12月霾污染预测模型的性能最好,能够解释年际增量46%的变化,均方根误差仅有1.56 d。叠加前一年监测信息后,年际变化异常同号率能达到86%,对长期趋势(相关系数0.71)和年际变化(去除线性趋势后,相关系数0.65)的把握也是比较好的。次年2月的模型性能次之,能够解释年际增量58%的变化,均方根误差仅有1.73 d,年际变化异常同号率为81%。次年1月的模型性仅能解释年际增量37%的变化,均方根误差为2.24 d,但同号率保持在83%。将3个月份的预测结果相加后,即可得到冬季平均的预测结果,不仅优于3个分月的预测性能,而且优于直接用冬季平均霾日数建模的性能。冬季预测结果能够解释年际增量66%的方差。叠加前一年监测信息后,同号率能达到91.7%,对长期趋势(相关系数0.81)和年际变化(去除线性趋势后,相关系数0.77)的把握也是最好的。
图表编号 | XD0038393700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.28 |
作者 | 尹志聪、王会军、段明铿 |
绘制单位 | 南京信息工程大学气象灾害预报预警与评估协同创新中心、气象灾害教育部重点实验室、大气科学学院、中国科学院大气物理研究所竺可桢-南森国际研究中心、南京信息工程大学气象灾害预报预警与评估协同创新中心、气象灾害教育部重点实验室、大气科学学院、中国科学院大气物理研究所竺可桢-南森国际研究中心、南京信息工程大学气象灾害预报预警与评估协同创新中心、气象灾害教育部重点实验室、大气科学学院 |
更多格式 | 高清、无水印(增值服务) |