| 利用多模式集合和多元线性回归改进北京PM_(10)预报 |
| |
| 引用本文： | 黄思,唐晓,徐文帅,王哲,陈焕盛,李杰,吴其重,王自发.利用多模式集合和多元线性回归改进北京PM_(10)预报[J].环境科学学报,2015,35(1):56-64. |
| |
| 作者姓名： | 黄思 唐晓 徐文帅 王哲 陈焕盛 李杰 吴其重 王自发 |
| |
| 作者单位： | 1. 中国科学院大气物理研究所大气边界层物理与大气化学国家重点试验室, 北京 100029;2. 中国科学院大学, 北京 100049;中国科学院大气物理研究所大气边界层物理与大气化学国家重点试验室, 北京 100029;北京市环境保护监测中心, 北京 100048;1. 中国科学院大气物理研究所大气边界层物理与大气化学国家重点试验室, 北京 100029;2. 中国科学院大学, 北京 100049;中国科学院大气物理研究所大气边界层物理与大气化学国家重点试验室, 北京 100029;中国科学院大气物理研究所大气边界层物理与大气化学国家重点试验室, 北京 100029;北京师范大学全球变化与地球系统科学研究院, 北京 100875;中国科学院大气物理研究所大气边界层物理与大气化学国家重点试验室, 北京 100029 |
| |
| 基金项目： | 中国科学院战略性先导科技专项(No.XDB05030200);国家自然科学基金(No.41205091) |
| |
| 摘 要： | 本研究将多模式集合预报和多元线性回归集成方法结合起来减小空气质量预报的不确定性.首先评估了北京空气质量多模式集合预报系统中3个模式成员(NAQPMS、CAMx、CMAQ)对北京地区PM10日均浓度的预报性能,在此基础上引入多元线性回归将历史观测信息纳入进来对3个模式预报结果进行集成,并将集成预报结果与3个模式算术平均的预报结果进行比较.结果发现:1不同模式的预报结果差异较大,并没有一个模式的预报技巧完全优于其它两个模式,其中CMAQ对北京PM10变化趋势的预报优于其它两个模式,NAQPMS预报的均方根误差整体低于其他两个模式.2多模式预报结果的算术平均在趋势预报和偏差两项指标上都低于部分单模式预报,并不能有效改进PM10预报;基于分站点的模式和观测数据构建的多元线性回归集成预报模型能显著提高PM10预报的准确率,选定合适的训练天数(36 d)后,28个站点PM10日均值预报的均方根误差相对单模式预报或集合平均预报下降32%~43%,预报偏差大幅减小至5.8μg·m-3,总体预报技巧显著优于单模式和多模式算术平均的预报结果,并且采用线性回归集成方法大幅提高了对污染过程的预报能力.
|
| 关 键 词： | 空气质量模式 集合预报 线性回归 |
| 收稿时间： | 2014/3/14 0:00:00 |
| 修稿时间： | 5/5/2014 12:00:00 AM |
Application of ensemble forecast and linear regression method in improving PM10 forecast over Beijing areas |
| |
| HUANG Si,TANG Xiao,XU Wenshuai,WANG Zhe,CHEN Huansheng,LI Jie,WU Qizhong and WANG Zifa.Application of ensemble forecast and linear regression method in improving PM10 forecast over Beijing areas[J].Acta Scientiae Circumstantiae,2015,35(1):56-64. |
| |
| Authors: | HUANG Si TANG Xiao XU Wenshuai WANG Zhe CHEN Huansheng LI Jie WU Qizhong and WANG Zifa |
| |
| Institution: | 1. State Key Laboratory of Atmospheric Boundary Layer Physics and Atmospheric Chemistry, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029;2. University of Chinese Academy of Sciences, Beijing 100049;State Key Laboratory of Atmospheric Boundary Layer Physics and Atmospheric Chemistry, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029;Beijing Municipal Environmental Protection Monitoring Center, Beijing 100048;1. State Key Laboratory of Atmospheric Boundary Layer Physics and Atmospheric Chemistry, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029;2. University of Chinese Academy of Sciences, Beijing 100049;State Key Laboratory of Atmospheric Boundary Layer Physics and Atmospheric Chemistry, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029;State Key Laboratory of Atmospheric Boundary Layer Physics and Atmospheric Chemistry, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029;College of Global Change and Earth System Science, Beijing 100875;State Key Laboratory of Atmospheric Boundary Layer Physics and Atmospheric Chemistry, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029 |
| |
| Abstract: | |
| |
| Keywords: | air quality model ensemble forecast linear regression |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《环境科学学报》浏览原始摘要信息 |
| 点击此处可从《环境科学学报》下载免费的PDF全文 |
|
