共被期刊论文引用了2次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 上海市PM_(2.5)污染相关的死亡负担和经济健康损失评估显示文摘基于2021年上海市16个区的细颗粒物(PM_(2.5))年均浓度数据,采用全球暴露死亡模型和统计生命价值法,评估了实际污染水平及不同PM_(2.5)控制情景下PM_(2.5)污染相关的死亡负担和相应的健康经济损失.结果表明,尽管2021年上海市PM_(2.5)年均浓度(27μg/m^(3))低于我国环境空气质量二级标准(35μg/m^(3)),但相对于反事实最小PM_(2.5)年均浓度(2.4μg/m^(3)),仍可造成13274(95%CI:10110~21483)人过早死亡,人群归因分数为9.5%(95%CI:7.3%~15.5%),相应健康经济损失为665.24(95%CI:506.65~1076.64)亿元,占上海市生产总值的1.5%(95%CI:1.2%~2.5%).相对于当前评估水平,若PM_(2.5)年均浓度降低至世界卫生组织(WHO)最新提出的PM_(2.5)空气质量指导值水平(5μg/m^(3)),上海市PM_(2.5)相关死亡人数将减少9873人,经济损失将减少74.4%.因此,建议制定更为严格的地方性空气质量标准以保障上海市公众健康. | 周璐 牛越 陈仁杰 阚海东 | 2023 | 中国环境科学2023，43，7： | 1 |
| 2 | 季节因素修正后GM(1,1)模型在上海市PM_(2.5)浓度预测中的应用显示文摘目的根据上海市2015年至今PM_(2.5)月均浓度数据进行建模预测,以期为PM_(2.5)预测研究方法提供新思路。方法将季节性影响因素引入灰色预测模型(grey model,GM),建立季节因素修正后GM(1,1)模型,与传统季节性自回归积分滑动平均模型(autoregressive integrated moving average model,ARIMA)比较,选择2015—2021年数据进行建模预测,将2022年1~10月数据作为验证集进行预测效果评价,并对2022年11~12月上海市PM_(2.5)月均浓度作预测。结果季节性ARIMA模型验证集RMSE=4.02,MAPE=15.50%。季节因素修正后GM(1,1)模型验证集RMSE=3.30,MAPE=11.59%。利用季节因素修正后GM(1,1)模型预测2022年11~12月上海市PM_(2.5)月均浓度水平分别为24.99、34.83μg/m 3。结论季节因素修正后GM(1,1)模型预测效果可优于季节性ARIMA,在对PM_(2.5)浓度等季节性时序进行预测时可考虑使用季节因素修正后的灰色预测模型。 | 吴筝 张江华 任洋洋 隋少峰 许慧慧 | 2023 | 公共卫生与预防医学2023，34，4： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员