兰州市CMAQ近地面臭氧模拟结果的订正方法——基于机器学习方法

为能更加准确地模拟出兰州市近地面臭氧浓度,在CMAQ （社区多尺度空气质量建模系统）的基础上,利用机器学习方法中的XGBoost （极限梯度提升）模型及LSTM （长短期记忆）神经网络模型建立近地面臭氧模拟结果的订正模型,并以两种方法为基础,利用误差变权倒数组合方法构建LSTM-XGBoost组合模型,以期进一步提高订正效果.本文选取兰州市4个国控站点（兰炼宾馆,铁路设计院,榆中校区,生物制品所）2019年7、8月环境空气质量监测数据及兰州市气象站同期气象数据,对CMAQ模拟的同时段兰州市近地面臭氧浓度进行订正.结果表明,CMAQ能够模拟出兰州市近地面臭氧浓度的空间及时间分布特征,但整体上对浓度有所低估.利用上述方法构建的订正模型中,LSTM-XGBoost组合模型的订正效果最好,臭氧相关性由CMAQ模拟的0.61~0.76提升至0.89~0.95,臭氧8h平均相关性由0.65~0.79提升至0.81~0.88,臭氧RMSE由44.83~70.17mg/m³提升至15.21~26.53mg/m³,臭氧8h平均RMSE由40.07~67.57mg/m³提升至14.24~28.54mg/m³.该研究表明利用机器学习方法对CMAQ模拟结果订正可行,可以改善环境空气质量模式模拟结果.