一种协同时空地理加权回归PM2.5浓度估算方法

发布时间：2017-12-25 12:09

  本文关键词：一种协同时空地理加权回归PM2.5浓度估算方法　出处：《测绘科学》2016年12期 　论文类型：期刊论文

  更多相关文章： 协同时空地理加权回归 协同训练 时空地理加权回归 PM.浓度

【摘要】：针对PM2.5浓度估算中时空特征考虑不足和样本量较少的问题,该文将协同训练和时空地理加权回归相结合,提出了协同时空地理加权回归。采用两个不同参数的时空地理加权回归模型作为回归器,利用一个回归器训练另一个回归器的未标注样本,选择最优结果作为标注样本加入标注样本,通过不断学习扩大标注样本量提升模型的回归性能。以京津冀地区2015年3-7月的PM2.5浓度数据为实验数据,利用气溶胶光学厚度产品、温度、风速和相对湿度进行建模,采用不同核函数的时空地理加权回归作为对比方法进行实验。结果显示,协同时空地理加权回归性能比基于Gauss核函数时空地理加权回归提升了10%,比基于bi-square核函数时空地理加权回归提升了6.25%,证明该文方法能够提升时空样本数量不足时的PM2.5浓度估算精度。
【作者单位】： 辽宁工程技术大学;中国测绘科学研究院;山东省诸城市国土资源局;
【基金】：公益性行业科研专项(201512032) 国家重点研发计划课题项目(2016YFC0803108)
【分类号】：X513
【正文快照】： 0引言通过建立PM2.5浓度与其他因素之间的相关关系,可以估算大区域PM2.5浓度[1-2]。在影响因素方面,文献[3]发现可见和近红外波段反演的大气气溶胶光学厚度(aerosol optical depth,AOD)所对应的颗粒物粒径范围与PM2.5粒径非常接近,可以建立AOD和PM2.5之间的相关关系。文献[4-5

【相似文献】

相关期刊论文 前1条

1 瞿明凯;李卫东;张传荣;黄标;;地理加权回归及其在土壤和环境科学上的应用前景[J];土壤;2014年01期

，

本文编号：1332764