基于BP神经网络的贵阳市空气质量指数预报模型

采用贵阳市2013年1月1日—2015年12月31日的空气质量指数(AQI)日均值,常规的地面和高空观测资料,基于不同季节,调整BP神经网络的隐藏层个数和隐藏层节点数,建立不同的BP神经网络预报模型,进行参数检验,最终选取预报效果最好的模型带入实况进行检验。结果表明,夏季的预报效果最好,采用的模型TS评分为81.6%,平均绝对误差为9.1,正确率为97.4%,用该模型检验预报效果,实况和预报的相关系数为0.71,平均误差为9;而冬季的预报效果明显低于其他季节,采用的模型TS评分为65.7%,平均绝对误差为19.5,正确率为72.9%,用该模型检验预报效果,实况和预报的相关系数为0.79,平均误差为19。而且BP神经网络模型的预报效果同隐藏层个数与隐藏层节点数没有显著关系。     

t分布受控遗传算法优化BP神经网络的PM2.5质量浓度预测

根据齐齐哈尔大学监测点2014年3—5月PM2?5质量浓度及其对应的每小时的气象因素、气体污染物浓度，建立基于t分布受控遗传算法的BP神经网络模型（ BPM?TCG），对PM2?5质量浓度进行模拟预测。并将其与BP神经网络模型、遗传算法优化BP神经网络模型（ BP?GA）进行对比分析。3种模型预测结果表明：BPM?TCG模型预测精度最高，泛化能力最好。 BPM?TCG模型对PM2?5质量浓度的准确预测为预防和控制PM2?5提供依据。     

沈阳市冬季环境空气质量统计预报模型建立及应用

利用沈阳市2013年1—2月大气自动监测数据和同期气象资料,选取19项预报因子,采用逐步回归方法建立了沈阳市冬季环境空气质量统计预报模型,预报项目包括细颗粒物(PM2.5)、可吸入颗粒物(PM10)、二氧化硫(SO2)、二氧化氮(NO2)、一氧化碳(CO)日均浓度及臭氧(O3)日最大8 h平均浓度。2013年11月至2014年1月,应用该模型并结合人为经验修订,开展了沈阳市环境空气质量预报工作,预报结果与实测结果的对比验证结果表明,环境空气预测结果级别准确率达到79.1%,首要污染物准确率为73.6%。     

基于随机森林算法的滁州市空气质量预报研究

利用2017—2019年滁州市6种空气污染物质量浓度和AQI资料、气象要素及ECMWF数值预报作为输入参数,构建基于随机森林算法的污染物质量浓度和AQI预报模型,其中AQI预报按季节划分为4个模型。结果表明：6种污染物中O3的预报效果最好,相关系数为0.84,PM2.5、PM10和NO2相关系数分别为0.76、0.72和0.72,SO2和CO预报效果略差;基于分季节模型AQI的24 h预报结果TS评分为0.77,空报率（FAR）和漏报率（PO）分别为15%和12%,相较于非季节模型预报效果更好;春季和秋季的TS评分分别为0.88和0.86,相较于冬季和夏季预报效果更好。     

江苏省级区域空气质量数值预报模式效果评估

采用中国科学院大气物理研究所开发的嵌套网格空气质量模式系统(NAQPMS),搭建江苏省级区域空气质量数值预报模式系统,并测试了该系统对2013年夏季江苏省PM2.5质量浓度未来24 h预报以及7 d潜势预测的效果。结果表明,该系统成功应用于江苏省的空气质量预报;所有地市的24 h预报效果均在合理范围内(平均分数偏差小于±60%且平均分数误差小于75%);7 d潜势预测效果比24 h预报效果略差,整体能准确把握PM2.5质量浓度的变化趋势。     

基于AGNES算法优化BP神经网络和GIS系统的大气污染物浓度预测

建立了大气污染物浓度与影响因子之间的BP神经网络,对城市中各监测点位的次日大气污染物浓度进行预测,采用GIS的插值分析进行污染物空间分布预测,其中BP神经网络的输入向量采用AGNES算法进行处理。以太原市区SO2、PM10浓度预测为例,选择气温、湿度、降水量、大气压强、风速和前5天的污染物浓度等10个参数训练BP神经网络,结果表明,BP神经网络的训练效果较好,预测结果与实际浓度显著相关,R2分别为0.988、0.976;结合太原市8个监测点位的污染物浓度预测值,运用GIS空间差值法绘出SO2、PM10的浓度分布预测图,该图与实际情况大体符合,并且与国控大气污染企业的分布显著相关,Pearson相关系数分别为0.969、0.949。     

长三角区域空气质量数值预报系统及其在重大活动保障中的应用

2014年起,上海市围绕城市及长三角区域空气质量预测预报和重污染预警需求,搭建了长三角区域空气质量数值预报系统。该系统综合应用了模式参数化方案比选、排放清单耦合处理、大气化学资料同化、大数据集合订正等关键技术,集合模式PM2. 5和O3小时浓度偏差为-10%~10%,提升了区域PM2. 5和O3浓度模拟效果。该系统实现了污染在线源解析和多排放情景模拟等功能的业务应用,应用于2018年首届中国国际进口博览会保障中,为上海市及长三角区域空气质量业务预报和重大活动保障提供了业务产品支撑。     

珠三角区域空气质量预报方法及预报效果评估

介绍了珠三角区域空气质量预报的"六步法"流程,并对2015年空气质量等级和首要污染物预报准确率进行评估研究。结果表明,2015年珠三角区域空气质量以优良为主,24 h等级预报准确率1月最高2月最低,平均准确率为87.6%;出现的首要污染物种类包括PM2.5,PM10,O3-8 h和NO2,预报准确率9月最高3月最低,平均准确率为72.7%。     

冬季大气中PM_(10)和PM_(2.5)污染特征及形貌分析

2008年冬季采集大气中PM10和PM2.5样品,利用SPSS软件进行分析。结果表明,PM10质量浓度在92.87～384.7μg/m3之间,平均值为201.09μg/m3,超标率71.43%。PM2.5浓度跨度为57.27～230.21μg/m3,平均值为133.82μg/m3,超标率89.47%。PM10和PM2.5空间分布略有差异。PM2.5/PM10在29.10%～94.76%之间,均值为66.55%。PM2.5与PM10质量浓度之间有显著相关性,相关方程:PM2.5=0.7993×PM10-55.984(R2=0.9524,置信度为95%)。通过颗粒物形貌分析,初步判定冬季大气主要污染源为燃煤和机动车尾气排放。     

几种空气质量预报方法对冬季预报效果的评估与对比

基于2016年冬季泰州市环境空气质量自动监测数据,定量评估NAQPMS模式、CMAQ模式和人工订正对污染物质量浓度和空气质量等级的预报效果。结果表明,模式预报和人工订正对各污染物预报的相关系数由高到低排列为PM_(2.5)、PM_(10)、NO_2、SO_2、O_3-8h,颗粒物预报效果最好。除O_3-8h外,NAQPMS对各项污染物预报的相关系数R为0.47～0.82,CMAQ为0.75～0.81,人工订正为0.43～0.78,3种预报方式均能准确反映污染物浓度的变化趋势;模式预报、人工订正对O_3-8h预报相关系数均0.4。在发生颗粒物污染过程时,人工订正结果相对更为准确。NAQPMS、CMAQ和人工订正对空气质量等级24 h预报准确率分别为38.9%、41.1%和35.6%,NAQPMS对优类别的预判准确率较高,CMAQ、人工订正对良类别的预判准确率较高。对比不同时效的预报效果,24 h预报时效的准确率高于48和72 h。提出,城市空气质量预报可采用集合预报方式,综合1～2种运行较稳定的主流预报模式预报结果,预报员对模式模拟结果进行人工修订,提高预报准确率。     

基于神经网络模型对城市空气质量预报方法的优化研究

基于郑州市2017年1月1日—2022年2月28日环境空气细颗粒物(PM_(2.5))逐日质量浓度监测数据和同期气象数据,利用反向传播(BP)神经网络构建了环境空气PM_(2.5)质量浓度预报模型,实现了对郑州市后1日环境空气PM_(2.5)质量浓度日均值进行预报。构建了考虑大气氧化性因素(情景一)和不考虑大气氧化性因素(情景二)这2种情景,并对2种情景下的预报效果进行评价。结果显示,在情景一下,各季节PM_(2.5)预报质量浓度与实况质量浓度的标准化平均偏差(NMB)和均方根误差(RMSE)均处于较低水平,表明预报效果均具有较好的稳定性;各季节PM_(2.5)实况质量浓度与预报质量浓度之间的相关系数(r)、一致性指数(IA)、准确率(Q)和级别预报准确率(G)均处于较高水平,其中Q值均>79%,G值均>80%,表明各季节PM_(2.5)实况质量浓度与预报质量浓度趋势的吻合程度较高。情景一各季节PM_(2.5)预报质量浓度与实况质量浓度的NMB和RMSE均低于情景二,降幅分别为0.8%~2.3%和2.3~4.2μg/m 3;r值、IA、Q值和G值均高于情景二,增幅分别为3.5%~36.1%,2.2%~14.6%,6.4%~9.4%和3.5%~9.1%,表明考虑大气氧化性因素能够优化该模型。     

基于CFSv2的延伸期空气质量数值预报技术及效果评估

介绍了基于CFSv2产品开展空气质量数值模拟的技术方法以及基于该技术的成都市延伸期空气质量预报系统,评价了2019年9月25日至12月25日的预报结果,以2019年12月为例分析了系统对具体污染过程的预报能力。结果表明,系统AQI预报准确率为36.67%,等级预报准确率为68.93%,"时段1"的预报效果优于其余时段,但"时段2"和"时段3"在污染物浓度水平上仍然具有较高的参考价值。系统在PM2.5浓度、气温和气压的变化趋势上提供21 d左右的参考。后续工作中,将针对CFSv2产品开展气象模型参数方案优选,并尝试结合基于GFS产品驱动的常规业务数值预报产品为延伸期空气质量预报提供污染物浓度初始场,减少误差传递,从而提高延伸期空气质量预报产品的准确性和可用性。     

北京地区PM_(2.5)与空气污染物的关系模型

为了研究北京地区PM2.5与空气污染物的质量浓度关系。从PM2.5监测网收集2013-04-01~2014-05-15期间PM2.5、PM10、SO2、NO2、CO、O3等主要空气污染物数据,用多元线性回归模型建立PM2.5与空气污染物的质量浓度关系。结果表明:北京地区PM2.5与空气污染物PM10、SO2、NO2、CO、O3的质量浓度相关系数分别为0.9172、0.6332、0.7683、0.8166和-0.1797,优化的拟合方程为:[PM2.5]=-22.5925+0.569109×[PM10]+23.94913×[CO]+0.113025×[BPM2.5],模型的估算值与观测值相关系数为0.9426,此方程能较好地模拟北京地区的PM2.5质量浓度。     

相似案例比对法在空气质量精细化预报中的应用

2018年首届中国国际进口博览会期间,为开展精细化的空气质量保障预报,以2015年11月13-16日为相似案例,与2018年11月8-11日上海地区的天气要素和PM2.5浓度变化进行相似性分析。结果显示,2个案例中地表压强、地表温度、相对湿度、混合层高度和风向5项主要天气要素的相关系数为0. 66~0. 93,相似离度为0. 09~0. 26,PM2.5浓度的相关系数达0. 8左右,相似离度为0. 2。针对2015年案例的污染过程分析,不仅为2018年案例中的污染时段预报提供了参考,也为空气质量保障工作的管控决策提供了支持。     

宁波和温州地区夏季大气中不同粒径颗粒物特征分析

对宁波地区北仑和奉化站、温州地区乐清站3个监测点夏季TSP、PM10、PM2.5和PM1.0进行监测,测试分析各种粒径颗粒物浓度水平和粒径分布特征,并通过化学质量平衡(CMB)受体模型对颗粒物进行源解析。监测结果显示,夏季宁波、温州地区TSP和PM10日均浓度为0.049～0.134mg/m3和0.025～0.084mg/m3,均未超过我国环境空气质量二级标准;PM2.5日均浓度为0.007～0.069mg/m3,按美国2006年EPA最新标准限值0.035mg/m3衡量,奉化、乐清、北仑站的超标天数占总监测天数的比例分别为75%、40%和37.5%。粒径分布统计结果显示,3个监测站点PM10占TSP的比例为48.78%～86.96%;PM2.5占TSP的比例为33.33%～72.46%;奉化和乐清监测点PM10中PM2.5和PM1.0的比例平均值在50%以上。源解析结果显示,夏季TSP主要来源于土壤尘,其次是建筑尘和煤烟尘,其贡献率分别为40.70%～55.49%、9.62%～13.64%和5.85%～17.28%。     

基于小波分析与BP神经网络的PM_(10)浓度预测模型

应用小波分析和BP神经网络相结合的方法,建立大气污染物浓度预测模型。首先,利用静态小波分解将原始的大气污染物浓度序列分解为不同频段的小波系数序列;其次,将重要的气象因子和各尺度上的小波系数序列作为BP神经网络的输入;最后,对输出的各序列预测值重构,得到最终的预测结果。使用该模型对重庆市主城区某国控监测站点的PM_(10)浓度预测,结果表明,与传统的BP神经网络模型相比,该预测模型的推广能力强、预测精密度高,具有良好的应用前景。     

珠三角秋冬季节长时间灰霾污染特性与成因

利用珠三角大气超级站2012年10月与2013年1月能见度、不同粒径颗粒物与BC质量浓度、气溶胶光散射系数、O3、相对湿度等在线监测数据,分析秋冬季节2次持续时间超过10 d的长时间灰霾过程污染特性与成因。结果表明,冬季灰霾过程中气溶胶吸光系数和光散射系数对大气总消光系数的贡献分别为13%和67%;PM2.5、PM1占PM10质量浓度分别为66%和39%;较高的PM2.5与BC日均浓度相关系数(R2=0.88)体现了一次排放对颗粒物质量浓度及能见度的显著影响。秋季灰霾过程中气溶胶吸光系数和光散射系数对大气总消光系数的贡献分别为11%和69%,由BC导致的吸光效应较冬季下降了约20%;PM2.5和PM1占PM10质量浓度比例分别为68%和45%,均高于冬季;O3浓度日最大小时值的平均值接近冬季的2倍;二次来源对PM2.5浓度升高和能见度下降起主导作用。来自不同方向的2种气团在珠三角僵持,大气扩散条件差是导致这2次灰霾过程的重要外在条件,应成为灰霾预报预警的重点关注对象。     

微乳液介质 - 4- (6- 甲氧基 - 8- 喹啉偶氮 )- 间苯三酚分光光度法测定微量铜

研究了溴代十六烷基吡啶、正丁醇、正庚烷和水自制微乳溶液介质中,4-（6-甲氧基-8-喹啉偶氮）-间苯三酚与铜的显色反应,建立了分光光度法测定微量铜的新方法。在显色液中铜的质量浓度在0.010 mg/L～0.700 mg/L范围内符合比尔定律,方法检出限为0.003 mg/L,铝合金和水样测定的RSD为0.3%～1.7%,加标回收率为96.3%～104%。     

日照市大气质量指数分区预报

利用1999年1月至2002年7月日照市环境监测站监测的污染物浓度资料和探空及本站地面气象资料,分析了日照地区可吸入颗粒物(PM_(10))、二氧化硫(SO_2)、氮氧化物(NO_x)浓度变化的时空分布特征及气象要素的变化对污染物浓度时空分布特征的影响。在此基础上,建立了可吸入颗粒物(PM_(10))、二氧化硫(SO_2)、氮氧化物(NO_x)浓度指数预报方程及大气质量指数分区预报流程。并用VB6.0语言编程在微机上建立了简洁流畅、操作简便的大气质量指数分区预报系统。实际预报结果较好。     

库尔勒市PM_(10)与气象条件的关系

利用库尔勒市2006—2013年的PM10监测数据以及同期常规气象资料,使用非参数分析(spearman秩相关系数)方法分析了常规气象要素与PM10浓度的相关关系。结果表明PM10浓度与各气象要素关系密切:气压较高时,PM10浓度易超过《环境空气质量标准》(GB 3095-2012)二级标准;当气温≥20℃时,温度越高PM10浓度超标天数越少,当气温20℃时,较高的气温则不利于PM10的稀释扩散;温度露点差越小,PM10的超标率越大;PM10浓度随风速的增大先降低后增加;降水对PM10有清除作用。