论文部分内容阅读
基于CUACE（ CMA Unified Atmospheric Chemistry Environment）和 CMAQ（ Community Multiscale Air Quality）空气质量模式预报产品，应用BP（Back—Propagation）人工神经网络法建立沈阳市不同地点小风和高湿条件下PM2.5浓度集成预报模型，并对预报结果进行检验。结果表明：与单一空气质量模式相比，集成模型预报的PM2.5浓度更接近实测值，预报的PM2.5浓度的平均偏差和归一化均方误差均明显减小，预报的PM2.5浓度