基于GRNN神经网络模型结合气溶胶消光系数和气象要素评估颗粒物质量浓度

大气颗粒物是最重要的空气污染物之一，会对人类健康产生负面影响。激光雷达探测是实现颗粒物分布高精度测量的可行手段。气溶胶消光系数在一定程度上能反映气溶胶质量浓度的相对大小，气象要素对消光系数和质量浓度的影响不容忽视。本团队利用反演得到的消光系数，结合地面温度、相对湿度、风速、地面气压等地面气象要素，与PM2.5、PM10质量浓度建立数据集；通过主成分分析法计算数据特征，基于广义回归神经网络(GRNN)对PM2.5、PM10质量浓度建立评估模型。GRNN模型得到的PM2.5和PM10质量浓度的评估值与真实值的相关系数分别为0.86和0.85，均方根误差(RMSE)分别为2.58 μg/m3和10.84 μg/m3，平均绝对误差(MAE)分别为0.81 μg/m3和1.53 μg/m3。将GRNN模型应用于激光雷达扫描模式下，对南京市浦口区颗粒物质量浓度的水平分布进行了评估，评估值和实际站点测量值的一致性较好，进一步验证了GRNN模型用于颗粒物质量浓度评估的有效性。