为了准确预测空气质量，结合实际的天气污染情况，在WRF-CMAQ等一次预报模型的基础上，利用神经网络、机器学习方法中的LSTM算法以及线性学习方法，针对大量的数据进行二次数学建模来提升预测的准确性，同时解决了对现实中存在数据不全导致无法预测的问题.根据预测数据和实际数据对比，建立的空气质量预测模型预测出的数据与真实值的误差均在2%以内.
科研之友
微信
新浪微博
Facebook
分享链接
