《表1 不同层次序列的输入变量》

  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

《基于支持向量机回归和小波变换的O_3预报方法》

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

为避免信息冗余并保证模型的可解释性，采用多元线性回归（MLR）方法筛选输入变量，将显著性P<0.05的变量作为预报输入.预报时刻前期的O3浓度可提高预报的准确性[43]，将其作为变量参与筛选.各O3子序列的预报输入变量如表1所示.O3前期浓度对各个子序列均比较重要，其主要表征污染物的积累作用.对于低层的细节子序列d1、d2，其主要影响因素是NO、NO2和芳香烃.观测点附近的宁六公路等交通干线及综合工业区是这些前体物主要的人为源地[44]，NO、NO2经过复杂的光化学反应产生O3.另外，芳香烃在4种VOCs中更为重要.杨笑笑等[45]研究表明在南京夏季，芳香烃对O3生成潜势的贡献最大.张玉欣等[46]采用箱模式计算南京工业区2014年与2015年夏季4种VOCs的相对增量反应性，其中芳香烃的值达到1.42～1.48，是控制O3浓度最有效的2类物种之一.随着分解层次的增加，d3～d5的影响因素中逐渐出现T、UVB等气象变量，最终到a5时表现为气象、前体物、O3前期浓度的共同作用.结合上节的分析，不考虑降水时，O3浓度的突然变化主要来自于NO、NO2和芳香烃等前体物，UVB等与光化学反应息息相关的气象因素作用有限.而O3浓度总的趋势变化是基于气象条件、前体物和前期浓度综合作用，O3的生成与积累一个强耦合、非线性的过程.