应用数据挖掘算法预测台风条件下PM_(2.5)质量浓度

利用6种数据挖掘算法对2012年台风和污染物浓度等数据建模,建立台风条件下的气象因素和环境空气中PM2.5的关系模型。通过对2013年数据的测试,表明6种数据挖掘方法模型的预测值与实测值具有很好的一致性。6种算法均能实现实时预测,其中Bagging算法预测结果的相关性整体最好,而对于测试样本,M5Rules算法最好,SMOreg算法次之。以2013年的超强台风"海燕"的预测为例,讨论台风条件下PM_(2.5)质量浓度的变化过程及对预测结果的解释。     

三维空气质量模型初始场VOCs同化对臭氧预报的影响

于2023年2月15日—3月8日，采用中尺度数值预报模式/嵌套网格空气质量模式系统（WRF/NAQPMS），分析了初始场同化6项常规大气污染物及挥发性有机物（VOCs）对广东省臭氧（O₃）预报的改进效果。 结果表明，同化6项常规污染物可显著降低O₃预报的标准化平均偏差（NMB）和均方根误差（RMSE），NMB从-26%改善为-8%，RMSE从50.6μg/m³下降到35.0μg/m³。但对相关系数（r）的改善效果不佳，从0.51下降到0.49。相比于只同化常规6项污染物，同时同化VOCs对O₃的预报效果改善较为明显，r从0.49提高到0.63。此外，对NMB和RMSE的改善效果也较好，NMB从-8%改善为-3%，RMSE从35.0μg/m³下降到30.1μg/m³。相比于不同化，同化6项常规污染物的改善效果显著，空气质量指数（AQI）等级预报准确率可提升10%以上，AQI范围预报准确率可提升40%以上。相比于仅同化6项常规污染物，再增加同化VOCs，AQI等级预报准确率和范围预报准确率均提升5%左右，改善程度不高。