%0 Journal Article
%T 基于微区域 PM2.5 浓度卡尔曼插值预测模型的研究
%A 姜小明
%A 安耀明
%A 李章勇
%A 郑斌
%A 陈彬林
%J -
%D 2018
%R doi:10.7507/1001-5515.201609050
%X 目前颗粒物（尤其是 PM2.5）污染问题日趋严重，人们对其关注度越来越高。本文提出一种结合三次样条插值方法的卡尔曼预测模型并将其应用于微区域校园环境 PM2.5 浓度的预测，以及实现 PM2.5 浓度的插值模拟图，模拟 PM2.5 的空间分布。本文实验基于实验室已搭建的环境信息监测系统服务器数据，其 PM2.5 浓度数据预测值和实际值通过 Wilcoxon 带符号秩检验后，双侧渐进显著性概率为 0.527，远大于显著性水平 α = 0.05。同时，与神经网络模型预测方法（BP 预测）和支持向量机预测方法（SVM 预测）对比，卡尔曼预测模型的结果更理想，其日均值 PM2.5 浓度数据预测值和监测值的平均绝对误差（MEA）为 1.8 μg/m3，平均相对误差（MER）为 6%，相关系数 R 为 0.87。实验结果表明：卡尔曼预测模型能有效地用于 PM2.5 浓度预测，结合样条插值方法可以较好地模拟 PM2.5 的空间分布及局部污染特征
%K PM2.5 浓度
%K 卡尔曼预测
%K 三次样条插值
%K 微区域
%U http://www.biomedeng.cn:80/article/10.7507/1001-5515.201609050