2015–2024年中国空气污染的时空分析及基于深度学习的预测
《Atmosphere》:Spatiotemporal Analysis and Deep Learning-Based Prediction of Air Pollution in China, 2015–2024
【字体:
大
中
小
】
时间:2026年07月03日
来源:Atmosphere 2.6
摘要
过去十年间,中国的空气质量有了显著改善,但污染水平依然较高,继续对公众健康构成威胁。本研究利用克里金插值法,分析了2015年至2024年间中国七个地区的六种空气污染物(PM2.5、PM10、SO2、NO2、O3、CO)的时空变化情况。通过均方根误差(RMSE)、平均绝对误差(MAE)和决定系数(R2)等指标,评估了循环神经网络(RNN)、长短期记忆网络(LSTM)以及卷积神经网络-长短期记忆网络(CNN-LSTM)模型的性能。研究结果显示,所有污染物的浓度均呈下降趋势,其中SO2的下降幅度最大,为69.53%;而O3的浓度在2017年至2024年间出现间歇性上升。华北地区的PM2.5、SO2和CO浓度既最高,下降幅度也最大,而西南地区和华南地区的这些污染物浓度则处于最低水平。在各类预测模型中,LSTM模型的整体准确率最高(平均RMSE为1.802,平均MAE为0.915,R2大于0.99)。这些研究结果全面展示了中国空气污染的变化趋势,同时也凸显了深度学习在针对不同地区进行空气质量预测及政策制定方面的应用潜力。这些数据为优化差异化控制策略、推进精准空气质量管理提供了定量依据。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号