7
\ begingroup美元

空气质量预测模型,可用于大气科学家和政府可以构建基于数值理论和统计理论。

第一种方法大纲的基本物理和动态过程,真正的大气化学反应和各种类型的排放。第二种方法使用统计工具来捕获模式的历史气象、空气质量数据集和训练一个预测模型。看不见的数据实例预测与评估模型,可用于空气质量预测。

许多研究人员选择数值模型来实现他们的目标,基于现实世界的模拟计算结果,可以在一定程度上再现污染物的时空变化规律。

机器学习是成为数据科学的前沿甚至在所有的科学领域和显示其伟大的能力在非线性问题(二次污染物(O3、SOA等)形成通过非线性化学反应)。

有哪些可能性使用机器学习的方法来改善空气质量预报吗?

\ endgroup美元
2
  • 6
    \ begingroup美元 有趣的问题。最重要的部分之一,建立一个成功的机器学习模型是数据的质量和数量。您可以收集一套巧妙的特性如经度、纬度、年,季,每天的时间,风速、温度等。但最终您将使用历史数据——这是非常有限的。同时,地球系统极其复杂,响应突然变化高度非线性的系统中。因此我会非常谨慎当毫升应用到任何类型的预测,与空气质量。 \ endgroup美元
    - - - - - -等密度线振荡
    2016年8月12日19:12
  • 1
    \ begingroup美元 由于超过10 - 15输入参数,会过度拟合问题。必须注意在区分过度拟合良好的预测。 \ endgroup美元
    - - - - - -shrey
    2016年12月29日,在5:54

1回答1

1
\ begingroup美元

而前景更经济的问题,我可以回答,至少有一项研究使用机器学习方法(https://etda.libraries.psu.edu/catalog/13561nvb5011)。

存在问题的归因错误不可行,物理过程模型的空间范围非常有限,模型的准确性依赖于历史和数据的完整性,等。也许一个混合,可以形成某种模型输出的统计数据,但这将是更加昂贵。

\ endgroup美元

    你的答案

    通过点击“发布你的答案”,你同意我们服务条款并承认您已阅读并理解我们的隐私政策的行为准则

    不是你要找的答案?浏览其他问题标记问你自己的问题