环境空气质量监测预报预警系统

正中科宇图环境空气质量监测预报预警系统是基于环境空气质量多模式集合预报技术(集成NAQPMS模型、CMAQ模式、CAMx模式、中尺度气象模式)、空气质量条件指数预报技术、大气后向轨迹分析技术,开发的集空气质量监测数据、气象观测数据、污染源等基础信息接入、传输、管理以及空气质量预报结果会商、制作、发布于一体的决策支持系统。     

CMAQ模式及其修正技术在上海市PM_(2.5)预报中的应用检验

利用CMAQ空气质量数值预报模式对上海市PM2.5浓度进行预报,选取10个囯控站点监测数据对预报进行验证评估.结果表明,CMAQ模式开展能够较好地模拟出PM2.5的时间变化趋势及浓度水平,但总体处于低估的水平,偏低幅度约25%,尤其在高污染阶段,模式的低估更为突出,达32%,这与污染源清单的不确定性有关.为提高PM2.5预报准确度,采用学习型线性回归方法对PM2.5浓度的数值预报结果进行修正,统计检验结果显示修正预报准确率由原来的76.4%提高到了79.3%,污染预报成功指数由56.4%提高至72.1%,明显提高了PM2.5浓度的预报效果,反映了引入实际监测数据对空气质量数值预报模式进行修正的研究意义和可行性.     

基于多机器学习算法耦合的空气质量数值预报订正方法研究及应用

应用多种机器学习算法进行时空耦合从而建立一种新的多模式集合预报订正算法(简称“ET-BPNN算法”),对4种常规污染物(NO₂、O₃、PM_2.5和PM₁₀)的空气质量模型预报结果进行订正. 订正方法分为两步,第一步中利用随机森林、极端随机树和梯度提升回归树3种机器学习算法,采用4个空气质量数值预报模式(CMAQ、CAMx、NAQPMS和WRFChem)的多尺度污染物浓度预报数据、中尺度天气模式(WRF)的气象因子预报数据(包括2 m温度、2 m相对湿度、10 m风速、10 m风向、气压和小时累计降水量)以及污染物浓度观测数据作为训练集,训练结果进入基于均方根误差的择优选择器,选取3种机器学习算法中优化效果最好的算法;在第二步中利用了BP神经网络算法,通过加权平均获得集合模式订正预报结果. 结果表明:①与模式集合平均算法相比,ET-BPNN算法使NO₂、O₃、PM_2.5和PM₁₀浓度预报值与观测值之间的均方根误差分别减小了30.4%、18.9%、43.3%和38.1%. ②ET-BPNN算法的优化效果较随机森林、极端随机树和梯度提升回归树3个机器学习算法有明显提升,与极端随机树算法相比,ET-BPNN算法使NO₂、O₃、PM_2.5和PM₁₀浓度预报值与观测值之间的均方根误差分别降低了42.7%、20.1%、19.7%和9.7%. ③在易发生污染的秋冬季,ET-BPNN算法对PM_2.5浓度的预报具有明显的优化效果,此外该算法明显缩小了不同站点预报和不同预报时效之间的偏差,具有较好的鲁棒性. ④对O₃和PM_2.5浓度预报而言,经ET-BPNN算法优化后的预报结果能够更好地把握污染过程,对污染物峰值浓度的预报也较模式集合平均算法更准确. 研究显示,ET-BPNN算法提高了空气质量模式对污染物浓度的预报效果.      

多模式集成方法在安徽地区PM2.5预报中的应用研究

分别采用算术平均、权重平均、多元线性回归和神经网络的集成方法,对3种空气质量模式在安徽地区2017年2月-2018年2月PM_2.5预报结果进行集成释用.结果表明：各模式和订正产品的预报值与实况值之间均能达到显著相关,相较于WRF-Chem,多元线性回归的均方根误差（RMSE）下降了21.7%,归一化平均偏差（NMB）下降了6%,且在16个地市中NMB均下降至-25%~25%之间;从不同时次的预报效果来看,在3个代表性城市（淮北、合肥和芜湖）,多元线性回归均能大幅度降低RMSE和NMB,但从时间和空间效果来看,其对于提升预报值与实况值之间的相关性方面,略差于权重平均的集成方法;多元线性回归方法对于重污染天气PM_2.5预报评分（TS）最高,为0.46.该方法能较为有效地提升不同模式的预报效果,可为重污染天气预报预警提供参考.     

基于机器学习的成渝地区空气质量数值预报PM2.5订正方法研究

空气质量预报对于大气污染防治、打赢蓝天保卫战意义重大.本研究基于重庆市气象局的中尺度天气模式（WRF）和空气质量数值预报模式（CMAQ）的预报产品,采用2018年4个代表月份（1、4、7、10月,分别代表冬、春、夏和秋季）成渝地区22个观测站点的PM_2.5浓度和气象要素观测数据,建立基础特征变量数据集（包括训练数据集和测试数据集）,通过调整模型参数,并利用训练数据集采用机器学习方法（Lasso回归、随机森林回归、深度学习RNN-LSTM）进行模型训练,订正了成渝地区PM_2.5数值预报.其中,通过Lasso回归算法对成渝地区4个区域分别进行变量优选,优化模型,利用测试数据集对模型进行测试并检验评估.结果表明,基于3种机器学习方法订正后的PM_2.5小时浓度相比CMAQ模式模拟预报结果,偏差显著降低,相关系数显著提高.其中,随机森林回归和RNN-LSTM的订正效果优于Lasso回归,区域统计与站点统计结果较为一致;Lasso回归订正后的均方根误差减小50%左右,相关系数达70%,随机森林回归和RNN-LSTM订正后的均方根误差减小70%左右,相关系数达90%,随机森林回归与RNN-LSTM订正后的偏差范围相比Lasso回归集中范围更窄,最大概率分布更集中;3种方法对不同季节的订正效果与全年一致,其中,冬季订正效果更为显著.研究结果可为提高我国重点城市群区域—成渝地区PM_2.5浓度的大气污染预报能力提供有益参考.     

多模式模拟评估奥运赛事期间可吸入颗粒物减排效果

以空气质量多模式系统为工具,分析奥运赛事期间可吸入颗粒物(PM10)浓度大幅减小特征,从气象场和排放源两方面研究PM10浓度大幅减小的主要原因.多模式系统由嵌套网格空气质量模式(NAQPMS)、通用空气质量多尺度模式(CMAQ)和复杂大气空气质量三维模式(CAMx)3个空气质量复合模型组成,并以中尺度气象模式(MM5)和稀疏矩阵排放处理模型(SMOKE)提供统一气象场及排放源.研究对比2006年8月、2008年8月两组气象条件下北京PM10浓度水平及模拟效果,结果表明奥运赛事期间PM10浓度大幅减小的主要原因不是气象因素,而是由于额外措施引起的PM10排放减少.同时采用多模式系统数值模拟反向评估,获得北京奥运赛事期间奥运控制及额外减排措施引起的PM10减排量,结果表明,奥运赛事期间所有额外控制措施对颗粒物浓度效果相当于在2008年8月气象条件下,削减大约200t.d-1的无组织PM10排放,相当于北京正常时期PM10排放的50%.     

中山市空气质量预报效果的分析与评估

准确预报城市空气质量对公众和政府部门掌握未来空气质量、制定相关政策具有重要作用。本文对比分析了中山市NAQPMS、CMAQ、CAMX数值预报和人工研判综合预报4种预报方式的空气质量预报效果。结果表明人工研判综合预报准确率最高。建议优化模式预报,加强预报人才的培养和管理,加大与气象部门的合作,以提高空气质量预报工作的效果。     

城市环境空气污染预报研究进展

主要介绍了城市环境空气污染预报的方法,综述了城市环境空气污染预报的国内外研究现状,主要介绍了美国第三代Momdel-3 CMAQ模式系统和中国科学院大气所的嵌套网格空气质量预报系统(NAQPMS),以及最新的多模式污染预报技术,本文最后指出中国目前的大气环境形势比较严峻,城市环境空气污染预报模式还存在一些问题,并探讨了今后的发展方向。     

应用嵌套网格模式系统对沈阳市环境空气质量的数值模拟研究

利用嵌套网格空气质量预报模式(NAQPMS)对沈阳市大气污染物的输送与化学转化进行了数值模拟研究,并对SO2、NO2和PM10等大气污染物浓度的模拟结果与监测结果进行了对比分析.结果表明,NAQPMS模式系统能较好地模拟出沈阳市的大气污染物输送与化学转化情况,SO2 NO2和PM10的模拟值与观测值具有较好的一致性,说明该模式能较好地反映这些大气污染物的分布特征和变化规律,可为今后深入开展沈阳市大气污染数值预报与传输扩散研究提供有效的手段.     

集合最优插值同化方法在珠三角空气质量模拟中的初步应用

本文旨在探讨集合最优插值(EnOI)同化方法对MM5-STEM空气质量模式污染物浓度预报场的修正能力,先从局地化尺度(L)及经验系数(α)的敏感性试验中获得NO2、SO2和PM10各自的"最优L和α组合",然后对此参数设置下的同化结果进行分析.研究结果显示,EnOI在NO2、SO2及PM10的同化试验中均取得较好的效果,检验站点均方根误差(RMSE)的平均下降比例分别可达33%、32%和42%,RMSE值下降的站点占检验站点总数的比例分别为86%、84%和91%.表明该方法能够有效地应用在珠三角空气质量模拟中,产生与实际更为接近的污染物浓度预报场.     

湖泊富营养化趋势的灰色马尔柯夫预测

根据水质时间序列具有趋势性和波动性的特点,将灰色马尔柯夫模型应用于太湖、滇池、巢湖三大湖泊水质富营养化趋势预测,其预测值可看成趋势项和随机波动项之和.预测过程如下:①用t检验准则判断并剔除序列中的异常数据,保证CM(1,1)模型精度;②建立GM(1,1)模型,对时序数据进行拟合,找出其变化趋势并建立趋势项;③根据最大残差划分状态空间,进行马尔柯夫预测,找出波动性规律并建立随机波动项.预测结果显示:太湖、滇池、巢湖预测结果的相对误差分别为3.59%、1.73%、2.20%,平均相对误差为2.50%,比单纯的灰色CM(1,1)模型降低了0.32%.     

盐城市地下水资源预测评价

盐城市是江苏省苏北沿海的新兴城市，区内从上至下分布有供水意义的含水层分别为中更新统第Ⅱ承压含水层，下更新统第Ⅲ承压含水层和中、上新统第Ⅳ承压含水层，其间以弱含水的粘性土层相分隔，并发生强烈的水力联系。本文将采用三维数值模型，在模型识别、验证的基础上，结合对地面沉降、咸水入侵等地质环境控制的要求，以2003年的地下水开采布局为基础。规划、预测了到2020年12月底，第Ⅱ承压含水层、第Ⅲ承压含水层和第Ⅳ承压含水层中的最低地下水位分别恢复到-20m、-30m和-40m时，各含水层中地下水的开采量及地下水的最优开采布局，并预测了未来各含水层地下水位降落漏斗趋于稳定的地下水开采量。     

大连星海湾水质预测

建设马栏河污水处理厂是改善大连市南部沿海环境的重要措施。本文运用浅海潮波方程和平流扩散方程进行海域水质预测,结果表明：该污水处理厂建成后,星海湾海域水质将有很大好转,达到国家二级标准。     

加速基因算法在海洋环境预报中的应用

基于自然选择和自然基因机制的基因算法是一种优秀的寻优方法，它利用遗传操作算子来模拟生物界的优生劣汰的规律，是一种多路径全局优化方法。为增强经典基因算法对实际模型参数变化范围的适应性，加快其全局寻优速度和简化算法参数设置技术，本文给邮了一种改进基因算法，并在海渔期预报，冰情预报中得到成功应用。该法可广泛用于各种工程模型优化之中。     

长江三角洲城市臭氧数值预报与释用

应用华东区域大气环境数值预报业务系统对长江三角洲55个城市2019年逐日臭氧(O₃)进行了数值预报,结果表明不同时效的预报效果非常稳定,预报与观测在相关系数、倍比等指标上体现出良好的一致性,绝大多数城市的相关系数高于0.7,但数值上存在系统性偏高.时间变化上的高度一致性决定了学习期为5~7d、截距为0的单因子动态适应学习型线性修正算法是适用于长江三角洲的O₃数值预报释用方法.修正后O₃预报效果得到显著改进,预报偏差从超过25μg/m³降至0.4μg/m³;预报误差类指标减小30%以上,其中RMSE从42μg/m³下降至27μg/m³;除相关系数外,90%以上城市的其他指标得到明显改进;日最大8h滑动平均O₃和日最大小时平均O₃污染的预报临界成功指数(CSI)指数分别提高28%和17%;空报率和漏报率趋于平衡.修正方法的应用解决了数值预报系统性偏高的不足.     

乌鲁木齐市大气中二氧化硫的灰色预测

根据灰色系统理论,联系乌鲁木齐市大气环境的实际状况,建立了精度检验为一级的灰色预测模型,经模型检验其精度完全满足要求。对乌鲁木齐大气中的SO2值进行预测分析的结果表明,乌鲁木齐市大气中SO2值呈上升的趋势,在未来几年中,乌鲁木齐市大气中SO2的预测值超过国家三级标准值(即大气中SO2的质量浓度年均值≤0.10mg/m3),这种发展趋势应引起有关部门的关注。     

优化回归效果的探索

结合2005年阜新市全年空气质量和气象因素实测数据及气象预报数据对多元回归法预测空气质量进行探索，筛选出多种优化回归效果的途径，用优化后的数学模式计算值与实测值的相关性有明显提高。     

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.     

室内微生物污染水平预测关键技术研究综述

室内微生物气溶胶来源多样,并受很多环境因素影响,可以利用统计学方法对室内微生物污染水平进行实时预测.本文首先介绍了预测模型的建立方法,并通过大量的文献调研,按照室内微生物污染水平预测模型建立的思路,介绍了现有研究得出的室内微生物气溶胶浓度与环境参数（换气次数、温湿度、人数、颗粒物、气流组织、CO₂）的关系,总结了室内微生物污染水平预测模型,并给出了未来发展方向.     

小窑湾海水交换与环境预测的初步研究

１９９９年８月大潮汛期对小窑湾海水交换与环境预测进行了海上调查。分析研究表明：小窑湾降潮时流 中初次流入湾内的外海水所占比率为２２％，落潮时流出量中初次流了湾内的湾水所占比率为４１％，湾内外海水的交换率为１６．７％。小窑湾目前的水域环境为国家一类标准，著假设Ｄ＝０，小窑湾的湾内水质达到湾外水质标准需２００个潮周期，约１００ｄ左右。