论文部分内容阅读
利用北京地区2013年气象数据以及PM2.5浓度数据与能见度数据进行对比分析,结果发现气温、气压、相对湿度、露点温度、地面U风、地面V风以及PM2.5小时浓度这7个要素是影响北京地区霾等级的关键因素.利用气温、地面气压、相对湿度、露点温度、U风、V风分量以及PMt 5浓度作为7个属性特征,以霾等级做为标志量构建训练样本集,结合KNN (K-Nearest Neighbor)数据挖掘算法构建霾等级预报分类器,并开展霾等级客观识别实验.结果表明K=3时该分类器的分类预报效果最佳,其13个站点的分类准确率高达88.2%.基于该算法构建的KNN模型预报无霾时的漏报概率很小,准确率高达91.8%;预报有轻度霾、中度霾以及重度霾时,空报的概率仅为4.7%、1.4%和2.6%.2014年8月29日至9月2日北京地区一次霾天气过程的预报结果表明:南郊观象台、密云和延庆三站的预报准确率分别达到74%、64%和84%,但霾等级的精度方面还有待于进一步提高.