CNN-SVR用于MAX-DOAS预测对流层NO_2廓线

	CNN-SVR用于MAX-DOAS预测对流层NO_2廓线
	潘屹峰 2; 田鑫 2; 谢品华 1; 李昂 1; 徐晋 1; 任博 1; 黄骁辉 2; 田伟 2; 王子杰 2
刊名	光学学报
	2022
卷号	42
关键词	atmospheric optics convolutional neural network support vector regression machine multi-axis differential absorption spectroscopy tropospheric NO_2 profile 大气光学卷积神经网络支持向量回归机多轴差分吸收光谱对流层NO_2廓线
ISSN号	0253-2239
英文摘要	提出一种基于卷积神经网络(CNN)和支持向量回归机(SVR)的多轴差分光学吸收光谱(MAX-DOAS)对流层NO_2垂直分布预测方法。将2019年南京站点采集的原始MAX-DOAS数据通过QDOAS软件拟合获取O_4和NO_2差分斜柱浓度,结合基于最优估算的气溶胶和痕量气体廓线反演算法——PriAM算法反演了对流层NO_2廓线,并将其作为预测模型的输出。此外,通过平均影响值方法进行预测模型输入变量的选择,确定了MAX-DOAS数据、温度、气溶胶光学厚度和低云覆盖率为模型的最佳输入变量。通过实验优化网络结构和参数,最终建立预测模型在测试集与PriAM的平均百分比误差仅为9.14%,与单独建立的CNN、SVR、反向传播模型相比,平均百分比误差分别降低了8.22%、6.00%、 32.28%。因此,CNN-SVR能够利用MAX-DOAS数据对对流层NO_2廓线进行有效预测。
语种	中文
内容类型	期刊论文
源URL	[http://ir.hfcas.ac.cn:8080/handle/334002/133034]
专题	中国科学院合肥物质科学研究院
作者单位	1.中国科学院合肥物质科学研究院 2.安徽大学
推荐引用方式 GB/T 7714	潘屹峰,田鑫,谢品华,等. CNN-SVR用于MAX-DOAS预测对流层NO_2廓线[J]. 光学学报,2022,42.
APA	潘屹峰.,田鑫.,谢品华.,李昂.,徐晋.,...&王子杰.(2022).CNN-SVR用于MAX-DOAS预测对流层NO_2廓线.光学学报,42.
MLA	潘屹峰,et al."CNN-SVR用于MAX-DOAS预测对流层NO_2廓线".光学学报 42(2022).