《表3 实验结果统计信息》
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
《基于集合经验模态分解和BP神经网络的北京市PM_(2.5)预报研究》
从表3还可以看出,在两组模型的实验中,同时使用气象条件和前期PM2.5浓度值作为输入变量的预报效果均较好(实验3和6),单独使用其中一类要素作为输入变量则得到相反的结果(实验1和2对比实验4和5),说明输入条件对模型的效果有较大的影响,且不同模型对输入变量的需求也不一样。实验2出现较大误差的主要原因是产生明显的相位差(图8 (a)) ,将预报结果前移一天,则可以明显地看到相位对应很好,并且结果有所提升(图8 (b)) 。说明在单一模型中,相同的输入和输出变量会造成预测结果与实际值之间产生相位差,而这种情况不会在混合模型中出现。
图表编号 | XD0051731300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.20 |
作者 | 任晓晨、邹思琳、唐娴、韦骏 |
绘制单位 | 北京大学物理学院大气与海洋科学系、中国人民解放军96813部队、北京大学物理学院大气与海洋科学系、中国气象局公共气象服务中心、中山大学大气科学学院 |
更多格式 | 高清、无水印(增值服务) |