PM2.5濃度空間估算的神經網絡與克里格方法對比

作者：許珊,鄒濱,王敏,劉寧

摘要：針對人工神經網絡與克里格插值在PM2.5濃度空間估算中精度隨樣本點數量與耦合因素不同差異較大的問題,基于相關分析與徑向基函數(radical basis function, RBF)篩選PM2.5空間變異關鍵影響因素,對比不同比例訓練樣本下普通克里格插值(ordinary Kriging, OK),僅考慮地理坐標RBF神經網絡,耦合關鍵因素的協同克里格插值(CoKriging, CK)及RBF神經網絡(CoRBF)的效果差異,并基于最優方法開展PM2.5濃度空間制圖。結果表明:4種方法均能有效實現PM2.5濃度空間估算,且精度隨訓練樣本比例增大而波動上升。考慮關鍵因素人口密度的CoRBF最能表現數據變化趨勢,而CK在誤差指標上更優越。基于CK與CoRBF的PM2.5濃度空間估算結果較好展示了污染的分異特征,前者較后者更平滑。

發文機構：中南大學地球科學與信息物理學院 湖南省第三測繪院

關鍵詞：徑向基函數人工神經網絡克里格插值大氣污染空間估算radical basis functionartificial neural networkKriging interpolationPM2.5spatial estimation

分類號： P208[天文地球—地圖制圖學與地理信息工程]