排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
基于气象因素的PM2.5质量浓度预测模型 总被引:1,自引:0,他引:1
为得出拟合效果最佳的预测模型,建立了多元回归和机器学习预测模型对PM2.5质量浓度进行预测。在输入气象因素的基础上,引入污染物质量浓度基础值和周期因素两类变量作为预测输入,并对4种预测模型进行对比研究。研究结果表明:对预测输入进行改进后,多元线性回归预测模型拟合优度由0.52提高至0.64,所选取的气象参数、污染物质量浓度基础值和周期因素能较好地描述PM2.5质量浓度的日变化情况;与多元线性回归预测模型相比,BP神经网络和支持向量机两种预测模型能较好地捕捉PM2.5质量浓度与预测输入之间的非线性影响规律,整体拟合优度分别达0.69和0.74,预测准确度较高;支持向量机预测模型可作为PM2.5质量浓度预测的首选方法。 相似文献
2.
针对甲醇制丙烯装置C2循环系统经常发生堵塞的现象,进行了原因分析,并通过提高CO2洗涤塔塔顶物料冷却温度和将部分脱乙烷塔塔顶物料旁通于干燥系统循环回反应器,解决了C2系统堵塞问题,保障了甲醇制丙烯系统的安稳运行。 相似文献
3.
4.
1