Spatiotemporal continuous estimates of PM2.5 concentrations in China, 2000–2016: A machine learning method with inputs from satellites, chemical transport model, and ground observations

写在前面

首先,看完查了一下这个期刊 Environment International,是1区的文章,影响因子7.297!不愧是优秀的期刊,文章质量很高,内容很丰富。

内容

主要是PM25反演,利用AOD,NO2,NDVI,夜光,化学传输模型,为基础数据,提出高维扩展相关参数,利用弹性回归模型(普通损失函数后面加了L1L2正则项)elastic-net,进行拟合。

拟合两个模型,一个有AOD,一个没有,两个结果再用广义加性模型结合补充缺失值提高精度。

最后对结果长时序进行分析,也占了半个文章。

附文章成果网站:http://www.meicmodel.org/dataset-phd.html

补充学习:

首先是参考:https://blog.csdn.net/previous_moon/article/details/71376726

岭回归模型就是用了L2正则的损失函数拟合

Lasso回归模型用的是L1正则的损失函数

弹性回归模型 elastic-net 是上面两者的结合,损失函数同时考虑了L1 L2正则

---------------- 坚持每天学习一点点
原文地址:https://www.cnblogs.com/tccbj/p/11059966.html