中南大学测绘地理信息年会报告-环境遥感地理信息服务工作室.pptVIP

研究区PM2.5误差空间分布图(a) PM2.5浓度 (b)气象因子 (c)土地利用相关因子 (d) 综合因子 研究结果—误差空间分布结果 研究结果—不同模型模拟效果 不同训练比例下模拟结果 (a)15% (b)35% (c)55% (d)75% (e)95% 所采用的方法一定程度上表现了数据的整体趋势，而且RBF表现出了数据的突变特征。 基于不同评价指标的模型精度结果 (a) MSE (b)MAE (c)R2 (d)RE (e)IOA 研究结果—不同模型精度评价 1、各项指标突出了RBF在模拟PM2.5空间分布特征的优越性 2、各方法在一定程度上都表现了对数据的依赖性 结论 基于RBF神经网络进行城市空气中PM2.5浓度的空间预测时，在不同的影响因子作为RBF网络的输入时，综合考虑气象因子和土地利用相关因子建立的模型效果最好。 研究所采用的模型基本满足PM2.5的空间模拟，精度可达到0~20%，其中RBF神经网络对数据依赖性较小，但均会随着训练样本的减少误差增大。 RBF神经网络方法可以更好的表现数据的突变特征。 谢谢您的批评与指正！ 中南大学测绘地理信息年会报告 汇 报 人：王敏 指导老师：邹滨 雾霾肆虐 (灰白色为雾霾) 雾霾肆虐 雾霾与空气质量 雾霾“环境元凶” 雾霾已成为许多地区的重大民生问题 WHO PM2.5 24 小时平均浓度限值25μg/m3 US