山地区域空气质量监测点位布设技术与方法

采用网格化布点监测实验、数据统计分析、空气质量模型模拟及相互结合的方法,以重庆主城区和贵阳市为例,对典型山地城市空气质量监测点位布设和优化进行了研究,提出相应的点位布设及优化方案。通过总结归纳提出了山地城市空气质量监测点位布设的相关程序。     

EXCEL在空气质量周报中的应用

运用EXCEL2000电子表格软件能够简单便捷地完成城市空气质量周报的数据统计分析和管理，直接实现空气质量监测网络间的数据传输、发布和共享，可以大大提高了空气质量周报工作的准确性和工作效率。     

基于JSP和Mysq1的环境监测网络数据管理

从环境监测数据管理的意义和重要性出发，介绍了环境监测网络数据管理系统，并给出了空气质量监测数据在系统中流程和计算处理的方法，实现了环境监测数据网络管理的功能，保证了空气质量数据传输的准确性和实时性。     

AQI vs API——新老空气质量标准之对比

对昆明市空气质量监测数据分别用空气质量污染指数（API）和空气质量指数（AQI）做评价,并进行比较。叙述了测点小时数据、测点日均数据和城市日均数据对应的空气质量及区别。环保部和云南省环保厅分别发布的昆明市空气质量差别是由于评价空气质量的标准不同所致。     

沧州市空气质量及相关气象条件统计分析

本文应用2002年6月1日至2004年5月31日沧州市环境监测站一年的逐日空气质量报告数据，对沧州市的城市空气质量及其污染物进行了统计分析，并且对影响沧州市空气质量的气象因子进行了初步统计分析，发现沧州市的空气质量受季节影响较为严重，属于“煤烟型”污染，并与气象因子具有很大的相关性。     

粤港联手治理空气污染

2005年12月22日下午16时，由粤港珠三角联合空气监测网络发布的珠三角区域空气质量状况显示，当天该监测网络位于广州麓湖的监测点区域空气质量指数为1．8，等级为Ⅱ，而与此同时，位于香港东涌的监测点区域空气质量指数为2．3，级别为Ⅲ。这组数据表明，当天广州麓湖地区内各污染物基本符合空气质量指标限值，而香港东涌有个别污染物浓度接近或超过空气质量指标限值。     

城市空气质量监测优化布点研究

实施空气质量监测优化布点对于提升空气质量监测效率和监测质量有着重要的意义,本文就城市空气质量监测优化布点问题展开讨论,并提出了相应的实施对策.     

城市空气质量监测大数据安全存储模式研究

治理空气污染需要对城市空气质量进行监测,将测得的城市空气质量监测数据进行安全的存储是当前治理空气污染中重点研究的内容。针对当前空气质量监测数据存储模式存在的数据加密所用时间较长、存储模式的安全系数较低的问题。提出一种城市空气质量监测大数据安全存储模式,采用基于PCA神经网络的混沌加密方法对城市空气质量监测大数据进行加密。通过混沌系统产生的随机轨道作为产生加密密钥的伪随机数发生器,根据产生的秘钥对城市空气质量监测大数据进行加密和解密,完成城市空气质量监测大数据的安全存储。     

城市空气质量数据管理系统的开发与研究

结合我国重点城市空气质量监测的现状，简要介绍了城市空气质量数据管理系统开发的目的和必要性，然后从技术选择、系统数据流程图，系统、功能、等５个方面对系统进行分析，最后阐述了系统的应用前景。     

档案库房空气质量客观评价研究

采用大气质量指数评价方法。选定7个测定参数及3个背景测定参数；根据这一方法对天津市4座档案库房库内空气质量进行了测定，取得了大量数据。并据此确定了档案库房内空气质量的等级标准。同时对所测定的档案库房造成的空气质量的差异进行了分析比较。对改进库内空气质量提出了一些有益的建议。     

济南市空气质量数值预报研究

在大规模大气环境参数综合野外测试资料的基础上,为在济南市开展大气污染业务预报新近开发了空气质量数值预报模式系统.该系统由污染源模型(SM)、下垫面参数化模型(XDM)、诊断模式(DM)、中尺度-α气象模式(M-αM)、中尺度-β气象模式(M-βM)、行星边界层(PBL)湍流统计量参数化模式(PBLTM)、干湿沉积模式(DWDM)和高分辨化学模式(HRCM)组成.该系统已成功地应用于济南市空气质量数值预报工作,其预报与实测质量浓度之间有很好的一致性,日平均预报准确率可达80%以上.      

基于阶段式时序注意力网络的PM2.5鲁棒预测

PM_2.5浓度的预测对于大气污染治理、改善环境质量等起到重要作用。受气象条件变化与大气污染物排放等多种因素的交叉影响,PM_2.5预测通常易受突变事件及噪声数据干扰。因此,基于对气象条件以及大气污染物与PM_2.5的相关性分析,提出阶段式时序注意力网络模型（staged temporal-attention network,STAN）,该方法融合多段注意力学习模块与循环神经网络,建模气象因素与大气污染物对PM_2.5浓度的交叉影响。统计分析北京市、上海市、广州市预测结果的绝对误差值,可知:1）对比广泛使用的单一类模型支持向量机（support vector machine,SVM）、长短期时序记忆方法（long short-term memory,LSTM）和多层感知机（multilayer perceptron,MLP）,STAN可达到10%以上的性能领先;对比最新的融合类模型U型网络（U-net）,STAN领先了7%的优势。2）以北京市冬季预测结果为例进行统计分析,STAN的预测值与实测值之间的拟合系数可有95.2%的性能领先。此外,在鲁棒性分析中发现,STAN在含有10%噪声的数据上进行预测,误差上升幅度仅为9.3%。结果表明:注意力机制与时序学习模块相结合能够深度挖掘PM_2.5变化规律并抑制噪声数据,且STAN模型可以进行PM_2.5浓度的鲁棒预测。     

京津冀区域重污染天气过程数值预报评估新方法

利用区域空气质量监测数据、空气质量模式数值预报产品及天气图资料,建立了一种适用于区域重污染天气过程预报的评估方法,将其用于评估NAQPMS模式系统对2013年和2014年京津冀地区静稳型、沙尘型和特殊型3类重污染天气过程的预报能力,并探讨了重污染天气过程早报、晚报及漏报的可能气象条件原因,以提高预报准确率.结果表明:数值模式系统提前3 d预报重污染天气过程的预报准确率可达57%,秋冬季预报效果好于其他季节,静稳型预报效果好于沙尘型和特殊型.对模式AQI预报结果统计发现,当预报AQI值达到150以上时,实际发生重污染天气过程的概率较大,如定义AQI等于150作为重污染天气预警临界值,模式预报准确率可提高至70%以上.天气系统对污染过程预报有重要影响,WRF气象模式对中低层天气系统位置及强度预报偏差是导致静稳型污染过程早报和晚报的一个重要原因.     

基于GA-ANN改进的空气质量预测模型

基于人工神经网络的空气质量预测模型优于传统的逐步回归模型,但由于性能差异不明显而较少在空气质量预报中应用. 设计了将遗传算法和神经网络算法相结合的基于GA_-ANN的空气质量预测模型,并利用天津市2003—2007年气象和污染物监测资料对该模型进行验证. 对2007年全年的ρ(SO₂),ρ(NO₂)和ρ(PM₁₀₎进行预测,预测值与实测值的相关系数分别为0.899 6,0.828 3和0.600 0. 与一般的人工神经网络预测模型相比较,GA_-ANN模型将空气质量等级预报的准确率从77.57%提高到79.67%. GA_-ANN模型可结合其他方法进行日常空气质量预报.      

基于BP神经网络的空气污染指数预测模型研究

BP神经网络已成为研究空气污染预测的有效工具之一。文章利用近十年北京市地面气象观测资料和空气污染指数数据,通过BP神经网络技术构建了不同季节的空气污染指数预测模型,对北京市空气污染指数进行了预测。通过相关系数分析法,对比分析了预测结果与实际监测结果,研究结果表明:春、夏、秋、冬季的预测值与监测值线性相关系数分别为0.81、0.84、0.89、0.85。北京春季常伴随有沙尘天气,而文章并没有考虑沙尘天气对预测模型的影响,因此春季BP神经网络预测精度在四季中最低,其预测值与监测值的线性相关系数为0.81。由于秋季不同空气质量级别的数据都有较多分布,因此该季节构建的网络更具有代表性,其预测精度在四季中最高,预测值与监测值的线性相关系数高达0.89。总之,BP神经网络模型对于北京空气污染指数预测是行之有效的。     

利用人工神经网络对空气中O3浓度进行预测

将人工神经网络应用于对空气中O3的浓度预测,提出了完整的预测模型,选取风速、风向、相对湿度、云量、平均气温、最高气温等6项气象因子作为输入量,经过两个月的预测实验,结果表明,实测值与预测值的平均相对误差为21.49%,相关系数为0.837.表明人工神经网络对O3的浓度预测是一种有效的工具.     

空气污染潜势-统计结合预报模型的建立及应用

建立了一个空气污染潜势预报和统计预报相结合的模型,该模型以特征气象因子和大气扩散清除因子为基础,并考虑不同因子的权重,定义空气污染潜势指数APPI.所考虑的因子包括:地面风速、混合层高度、混合层内平均风速、风向日变化、稳定度级数、垂直扩散系数、SO2干沉降速率、NO2干沉降速率、PM10干沉降速率、降水时长、地面天气形势.进一步利用统计方法建立空气污染指数API与APPI之间的关系.利用南京地区2009~2010年气象资料计算APPI,通过3项式拟合得到API与APPI的统计方程.结果表明,拟合得到的API与实际API相关系数为0.67,具有显著的相关性,且等级准确率为76.7%.进一步利用2011年1~12月中尺度气象模式WRF预报的气象场开展实况预报.研究表明,24h预报、48h预报、回顾预报的逐月等级正确率分别为44.4%~87.5%,46.4%~100%和63.0%~80.0%,年均等级正确率为60.6%,62.4%.和73.1%.若定义预报API与实际API相差±20以内为正确,则24h预报、48h预报、回顾预报的正确率分别为58.1%, 59.4%和63.8%.在IBM x3500并行集群服务器上计算,48h预报需要机时3h.可见,该模型具有较好的预报性能, 相对数值模型计算效率很高.     

高斯轨迹烟云扩散模型在贵阳空气质量预报中的应用

选择在复杂地区应用较好的高斯轨迹烟云扩散模型,作为贵阳市空气质量预报的数学扩散模式,并利用贵阳市现有的污染源排放资料和气象资料,对贵阳市的大气污染物分布进行了模拟计算,经与实测结果比较表明:实测值与监测值基本一致,相关性较好。该模式可以作为贵阳市空气质量预报的数学扩散模式,对其他城市也具有一定的借鉴作用。      

基于CMAQ模式产品的福州市空气质量预报系统

利用CMAQ(Community Multiscale Air Quality Model)模式预报产品和福州市2007年1月至2010年6月大气污染物的观测资料以及常规地面气象观测资料,根据动力-统计相结合的预报方法,通过多元线性逐步回归,建立不同天气系统下CMAQ模式产品和多类预报因子相结合的日污染物浓度预报模型.结果表明,影响福州市的天气系统共分为大陆高压、副热带高压、切变、暖区辐合、高空槽、台风和热带辐合带7类天气型.在暖区辐合、高空槽和大陆高压控制下,福州市的空气质量较差,而副热带高压和台风系统影响时,福州市的空气质量最好.日污染物浓度预报方程置信度均为P=0.000,模型有统计学意义.利用模型对2010年7~12月福州市各污染物浓度进行预报效果回代检验,模型对PM10的污染指数等级预报正确率达到了71.3%,对SO2和NO2的级别预报正确率达到了100%,日预报综合评分平均达88.8分.     

铁岭市空气日报及预报的相关性研究

本文采用了空气污染指数进行评价空气质量,确定铁岭市空气质量日报、预报。根据空气污染指数值确定空气质量污染程度,最后采用数据统计方法对日报、预报的结果进行检验,检查两个样本均值之间是否有显著性差异。