OPAQ系统两种模式对O 3预报准确率的探讨

以江苏省宿迁环境监测中心OPAQ系统为例,基于人工神经网络算法的OPAQ空气质量预报系统的2种模式对O 3预报准确率的进行了分析,结果表明,趋势最优模式(RMSE模式)对预报当天及未来3 d的预报值与监测值的相关性系数均>0.78,相对误差在25%以下,在预测当天及未来24、48及72 h优-良天的预测准确率较高,分别为88.8%、87.2%、86.3%及84.7%,在预测轻度污染-重度污染的准确率较低;极值最优模式(SI模式)对预报当天及未来3 d的预报值与监测值的相关性系数(R)均>0.76,相对误差<32%,预测未来24和48 h的轻度污染-中度污染的级别准确率>60%。OPAQ系统的极值最优模式(SI模式)更适合作为夏季ρ(O 3)较高时的预测工具。     

基于高斯烟羽模型的热电厂对空气质量影响案例分析

基于高斯烟羽模型的输入频率分布模型(IFDM)系统,模拟了2019年4—6月河北省南部平原地区某热电厂对临近2个省控监测站点空气质量的贡献。结果表明,该热电厂4—6月对2个省控监测站点NO2、SO2、PM10、PM2. 5的平均贡献值分别为2. 0,3. 2和4. 4μg/m3,1. 9,3. 1和3. 5μg/m3,0. 45,0. 7和0. 85 g/m3,0. 25,0. 45和0. 55μg/m3。6月份该热电厂对2个省控监测站点各项污染物贡献值最大,与其西南风出现频率较高相吻合。