京津冀区域重污染天气过程数值预报评估新方法

利用区域空气质量监测数据、空气质量模式数值预报产品及天气图资料,建立了一种适用于区域重污染天气过程预报的评估方法,将其用于评估NAQPMS模式系统对2013年和2014年京津冀地区静稳型、沙尘型和特殊型3类重污染天气过程的预报能力,并探讨了重污染天气过程早报、晚报及漏报的可能气象条件原因,以提高预报准确率.结果表明:数值模式系统提前3 d预报重污染天气过程的预报准确率可达57%,秋冬季预报效果好于其他季节,静稳型预报效果好于沙尘型和特殊型.对模式AQI预报结果统计发现,当预报AQI值达到150以上时,实际发生重污染天气过程的概率较大,如定义AQI等于150作为重污染天气预警临界值,模式预报准确率可提高至70%以上.天气系统对污染过程预报有重要影响,WRF气象模式对中低层天气系统位置及强度预报偏差是导致静稳型污染过程早报和晚报的一个重要原因.     

深度学习方法在上海市PM2.5浓度预报中的应用

为提升PM_2.5浓度预报能力,尤其是对PM_2.5重污染的预报能力,以中尺度气象-化学耦合模式系统（WRF-Chem）为基础,结合中尺度WRF气象预报数据、地面及高空气象观测数据、PM_2.5浓度观测数据,基于人工智能深度学习序列到序列的算法建立了上海市PM_2.5统计预报模型.结果表明,人工智能深度学习算法（Seq2seq）明显修正了WRF-Chem模式由于模型非客观性造成的偏差,提高了上海市PM_2.5浓度的预报能力;该算法优化和修正了WRF-Chem模式结果,并通过检验发现可以使PM_2.5浓度预报值与实况值间的相关系数由0.51上升至0.79,均方根误差由25.9μg/m³下降至15.01μg/m³.而单独使用套索法（Lasso）线性回归算法对WRF-Chem模式优化效果不理想.基于Seq2seq的PM_2.5浓度预报修正模型能够有效提升预报精度.     

基于CMAQ模式产品的福州市空气质量预报系统

利用CMAQ(Community Multiscale Air Quality Model)模式预报产品和福州市2007年1月至2010年6月大气污染物的观测资料以及常规地面气象观测资料,根据动力-统计相结合的预报方法,通过多元线性逐步回归,建立不同天气系统下CMAQ模式产品和多类预报因子相结合的日污染物浓度预报模型.结果表明,影响福州市的天气系统共分为大陆高压、副热带高压、切变、暖区辐合、高空槽、台风和热带辐合带7类天气型.在暖区辐合、高空槽和大陆高压控制下,福州市的空气质量较差,而副热带高压和台风系统影响时,福州市的空气质量最好.日污染物浓度预报方程置信度均为P=0.000,模型有统计学意义.利用模型对2010年7~12月福州市各污染物浓度进行预报效果回代检验,模型对PM10的污染指数等级预报正确率达到了71.3%,对SO2和NO2的级别预报正确率达到了100%,日预报综合评分平均达88.8分.     

沙尘天气对北京市空气质量的影响及其预测预报

概述了北京市沙尘天气的分类、特征、判别方法,总结了2000—2002年沙尘天气对北京市空气质量的影响情况,提出了沙尘天气影响空气质量的短期(1～2d)预报方法。利用该方法预报了2002年4次主要沙尘天气过程,预报结果都比较准确。研究发现沙尘天气年际变化主要是受气候条件年际变化影响,提出根据气候条件年际变化预测来进行沙尘天气年际变化预测的初步方法。      

基于BP神经网络的空气污染指数预测模型研究

BP神经网络已成为研究空气污染预测的有效工具之一。文章利用近十年北京市地面气象观测资料和空气污染指数数据,通过BP神经网络技术构建了不同季节的空气污染指数预测模型,对北京市空气污染指数进行了预测。通过相关系数分析法,对比分析了预测结果与实际监测结果,研究结果表明:春、夏、秋、冬季的预测值与监测值线性相关系数分别为0.81、0.84、0.89、0.85。北京春季常伴随有沙尘天气,而文章并没有考虑沙尘天气对预测模型的影响,因此春季BP神经网络预测精度在四季中最低,其预测值与监测值的线性相关系数为0.81。由于秋季不同空气质量级别的数据都有较多分布,因此该季节构建的网络更具有代表性,其预测精度在四季中最高,预测值与监测值的线性相关系数高达0.89。总之,BP神经网络模型对于北京空气污染指数预测是行之有效的。     

基于灰色支持向量机组合模型的我国火电NOx排放量预测

区域火电NO_x排放量的预测属于小样本、贫信息的灰色系统. 由于NO_x排放量受多个因素的叠加性影响,单一预测模型难以准确反映NO_x排放量的复杂变化,易产生较大的预测误差. 基于此,利用灰色预测理论和支持向量机预测理论,建立了火电NO_x排放量组合优化预测模型. 采用国家权威部门发布的火电NO_x排放量数据,综合考虑影响我国火电NO_x排放量的主要因素,对我国2008—2010年以及2020年的火电NO_x排放量进行了预测,预测结果与官方公布的实际值基本一致; 同时,预测的时间大大缩短.      

深圳市空气污染分区预报思路的建立

基于本市2005—2010年各区API日资料和污染日逐时资料、逐日气象要素资料、物理量因子,在对全市污染时空分布特征和各影响因素细致分析的基础上,运用典型天气形势和典型要素判定方法,在此基础上,进行气象要素的偏最小二乘回归提炼主要因子,建立污染天气预报思路,运用2011年重污染目的资料进行检验,结果表明：该种三级判定的方法预测污染小概率事件,吻合较好,为空气污染客观预报和高污染预警系统的建立提供依据。     

上海地区臭氧数值预报

基于WRF-Chem在线区域化学/传输模式构建了区域化学天气数值预报业务系统,评估了2013年5月1日至9月30日期间的1h和8h臭氧业务数值预报效果.结果表明:臭氧预报没有明显的系统偏差,预报偏差在0两侧基本呈对称分布;数值预报具有较高的准确性,其中8h臭氧的效果略好,不同时效预报的相关系数均在0.8上下,浓度平均偏差和偏差中值都只有1′10-9~2′10-9,臭氧达标日和污染日预报都有很高准确率和CSI/TS评分,首要污染物也较准确;不同时效的预报效果接近,48h时效略好,24h和72h相当;数值预报也存在一定不足,存在极个别显著偏高或显著偏低的情况,同时由于等级划分阈值的存在,等级预报的准确性明显低于浓度和分指数预报.综合地看,数值预报可以提供较为准确的臭氧预报,为空气质量预报预警业务提供有力的支撑,但分指数等级预报上仍需要进一步提高.     

基于气象相似准则的城市空气质量预报模型

为提高城市空气质量预报准确率,文章在传统BP神经网络的基础上提出了基于气象相似准则的样本优化方法,建立了三层样本筛选优化机制,确定了阀值及权重矩阵,从而建立了城市空气质量动态预报模型。将模型应用在广州8个空气质量监测站点的预报上,并与传统的BP神经网络空气质量预报模型进行了对比分析,效果良好。分析结果表明,广州8个空气质量监测站点的SO2、NO2、PM10/2.5的实测值与预报值的平均绝对误差分别为0.016 mg/m3、0.014 mg/m3、0.020 mg/m3,级别预报准确性评分分别为89.6、92.6和84.6,预报准确度综合评分达81.6,并且比传统神经网络模型具有更高的预报精度。     

A fog forecasting method in a deeply embanked valley

This paper presents a statistical model used to forecast fog in the Meuse Valley in Belgium. The method is a bootstrap discriminant analysis using eight predictors: river surface temperature, air pressure, air temperature at two elevations, wind speed and relative humidity at the same two locations. These data are measured from November 1989 to April 1990. Tests are done to determine the number of resampling needed for this data set and the optimum projection delay for prediction from the meteorological data. The best results are obtained for the prediction at 0700 h UT using meteorological data at 0400 h UT. The reliability of the model is given by a probability α = 0.16 of clear weather forecasting when it is foggy and a probability β = 0.26 of fog forecasting when there is clear weather. These results are finally checked on 27 new observations in November 1990: the 6 foggy days are perfectly predicted and 24% of the clear days are badly predicted.     

基于指数平滑法的环境噪声污染预测模型及应用

为了研究城市环境噪声污染的数学模型,通过对厦门市环境噪声的实际情况的分析并结合指数平滑预测模型,提出了符合当前环境噪声的分段三次指数平滑模型。计算了不同平滑系数时数学模型的精度,同时应用建立的数学模型对福州市10年内的噪声污染进行了预测。预测发现,噪声污染呈逐年减小的趋势,到2020年区域环境噪声和交通噪声污染分别达55.09 dB(A)和67.19 dB(A)。指数平滑法的应用效果与平滑系数的选取关系密切,应用时要根据预测的精度要求和预测期限的长短,适当选取平滑系数,并对预测的精度进行分析。结果表明基于该方法预测未来中期环境噪声准确率满足使用需求,并为其他环境噪声预测提供一种新的方法。     

Development of a method for comprehensive water quality forecasting and its application in Miyun reservoir of Beijing, China

Water quality forecasting is an essential part of water resource management. Spatiotemporal variations of water quality and their inherent constraints make it very complex. This study explored a data-based method for short-term water quality forecasting. Prediction of water quality indicators including dissolved oxygen, chemical oxygen demand by KMnO₄ and ammonia nitrogen using support vector machine was taken as inputs of the particle swarm algorithm based optimal wavelet neural network to forecast the whole status index of water quality. Gubeikou monitoring section of Miyun reservoir in Beijing, China was taken as the study case to examine effectiveness of this approach. The experiment results also revealed that the proposed model has advantages of stability and time reduction in comparison with other data-driven models including traditional BP neural network model, wavelet neural network model and Gradient Boosting Decision Tree model. It can be used as an effective approach to perform short-term comprehensive water quality prediction.     

最小二乘支持向量机在臭氧浓度时间序列预测中试应用

将基于统计学理论的最小二乘支持向量机(LSSVM)方法试用于臭氧浓度时间序列预测.首先利用臭氧浓度时间序列资料重构了该混沌动力系统的相空间,然后沿着系统演化的相轨道用最小二乘支持向量机建立了臭氧浓度短时预测模型,并用上海市淀山湖站的臭氧观测资料做了提前1～8 h和提前24 h预报试验,结果显示这一模式能够较好地模拟臭氧浓度演化轨迹,提前1～8 h的预测精度均超过90%,提前24 h预报精度亦都在68%以上,预报效果较好.     

基于NARX神经网络的千岛湖藻类短期预测模型构建

局部水域的藻类异常增殖现象逐渐成为千岛湖面临的水环境保护难题. 构建以数据驱动的水华预测模型,实现对重点水域叶绿素a (Chla)浓度短期动态变化的预测,是快速应对潜在水华风险的有效手段之一. 鉴于NARX神经网络在预测非平稳时间序列动态特征方面的优势,以千岛湖国控监测断面小金山2016—2019年Chla的高频时间序列作为研究对象,对Chla剖面数据进行沿深平均、缺失值插补后,分别以连续3 d和连续7 d的Chla浓度作为输入,构建了基于NARX神经网络的藻类预测模型,用于预测未来0.5~7 d Chla浓度的变化,探讨了相关参数设置、训练及评价方法,并针对不同的预见期分析了模型性能. 结果表明:① 模型预测性能稳定,预测值与实测值相关系数保持在0.8~0.9之间,均方误差在15~30之间. ②随着预见期的变化,模型性能不同. 其中,在未来0.5~4 d的预测中,使用连续3 d的 Chla浓度作为输入的预测效果较好;在未来4.5~7 d的预测中,使用连续7 d的Chla浓度作为输入的预测效果较好. 研究显示,该模型可以较为准确地预测未来0.5~7 d的Chla浓度,可为构建以数据驱动的千岛湖水华监测预警系统提供科学依据.      

太原市PM2.5预报统计修正模型及其应用检验

为提高太原市PM_2.5预报准确率,更好地服务于空气质量预报预警工作,在华北区域BREMPS（环境气象数值预报系统）预报结果的基础上,结合MR（多元线性回归）、BP（BP神经网络）和MLR（多层递阶）建立10 d的滚动修正模型,并对太原市2017年1月15日—4月15日ρ（PM_2.5）进行了修正.结果表明:3种修正模型对BREMPS预报的ρ（PM_2.5）小时值和日均值均有不同程度的改善,尤其是MLR修正结果在多项评价指标上明显优于MR和BP,其小时值的RMSE（均方根误差）由原来的42.46 μg/m3降至26.74 μg/m3,重污染和非重污染时段日均值的RMSE分别由未修正前的63.78、43.68 μg/m3降至28.52、21.27 μg/m3,日均值修正结果的基础评分从0.65升至0.88,预报准确率由原来的66.18%升至86.74%.从3种修正模型的构建来看,MR和BP方法对系统平稳状态的修正具有一定的优势,而对系统大幅变化的识别能力较弱,所以在天气变化时临界状态的修正结果误差较大,模型的稳定性较差.研究显示,MLR方法本身具有一定的自适应能力,稳定性和修正结果的整体趋势明显优于MR和BP方法,对太原市空气质量预报改进、重污染天气预警和大气污染防治等方面具有较大的应用价值.      

加速腐蚀环境下LD2CS铝合金腐蚀损伤分析方法

目的研究LD2CS铝合金腐蚀损伤数据的分析方法。方法针对LD2CS铝合金腐蚀坑深度值,采用最小二乘支持向量机、BP人工神经网络和求和自回归移动平均等3种模型进行回归和预测分析。对比总结各种模型在小样本递增时间序列下的应用特点。结果对于LD2CS铝合金腐蚀坑深度值预测,最小二乘支持向量机在回归和预测上都有较高的精度。结论最小二乘支持向量机模型最适合LD2CS铝合金的腐蚀坑深度值预测。     

灰色动态模型在环境系统分析和预测中的应用

以焦作市人类-环境系统为实例,探讨了灰色动态模型在环境系统分析、预测中的应用。     

基于CMAQ模式和自适应偏最小二乘回归法的中国地区PM2.5浓度动力-统计预报方法研究

采用CMAQ模式和自适应偏最小二乘回归法相结合的动力-统计预报方法,对2014年1—12月全国252个环境监测站的PM_(2.5)浓度逐时预报值进行了滚动订正,分析了订正前后PM_(2.5)浓度的时空变化特征,重点研究该方法在中国不同地区不同季节的适用性.结果表明:CMAQ模式预报的PM_(2.5)浓度年平均和秋冬季季节平均偏差表现为非均匀空间分布特征,即辽宁、山东部分地区、川渝地区及华中、华东、华南大部分地区预报偏高,京津冀和西部大部分地区预报偏低;订正后PM_(2.5)浓度与实测值的空间分布较一致,上述偏高和偏低地区的PM_(2.5)浓度预报误差显著减小;秋冬季PM_(2.5)浓度预报和订正偏差均大于年平均值.全国区域平均PM_(2.5)浓度实测值存在明显的季节变化特征,1—3月和11—12月较大,其他月份较小;PM_(2.5)浓度预报误差较大,多数时刻预报偏低,尤其是1—3月和11—12月偏低较明显;订正后PM_(2.5)浓度与实测值较接近,而且时间变化趋势较一致,秋冬季PM_(2.5)浓度预报和订正偏差亦明显大于春夏季.秋冬季4个重点污染区域中,京津冀地区PM_(2.5)实测浓度的区域平均值较大,川渝地区次之,长三角和珠三角地区较小;珠三角地区PM_(2.5)浓度预报和订正效果较好,川渝和长三角地区次之,京津冀地区相对较差;经滚动订正后,全年和秋冬季时段PM_(2.5)浓度订正值与实测值的相关系数均显著增加,误差显著减小,尤其是秋冬季订正效果较好.川渝地区的订正改进幅度最大,长三角和京津冀地区次之,珠三角地区较小.本文方法均适用于非污染日和污染日全国范围的PM_(2.5)预报浓度订正,两种天气过程PM_(2.5)浓度的订正效果均较好;该方法对于改进京津冀地区污染日的PM_(2.5)浓度预报更有效,其他3个地区非污染日的订正改进效果优于污染日.本文研究结果可为改进空气质量预报、重霾污染天气预警和防治提供新技术途径和科学依据.     

深圳地区灰霾分布特征及预警、预报方法探讨

基于深圳市国家气候观象台1953—2010年的灰霾UV统计资料、气象要素值、灰霾出现前期及同期的地面和850hPa的天气形势资料和自动站的能见度统计资料以及深圳市环境监测站的1980—2010年污染物浓度资料,对深圳市灰霾天气的出现规律及影响要素特征进行了概括分析.在此基础上运用逐步回归的方法,筛选出影响灰霾主要因子,建立未来1—3d的能见度预报方程.同时通过对灰霾出现前天气形势的分析和归纳,建立灰霾潜势预报的思路.并进一步对灰霾天气的典型因子进行权重分级.最后集成以上3种预测方法,归纳出灰霾预警方案,形成灰霾预警预报模型.利用实测结果对模型检验,结果表明：该模型具有一定的准确率和可靠性,对灰霾预测具有较好的应用价值,为灰霾防治和预警系统的建立提供科学依据.     

最优加权组合预测法在水质预测中的应用研究

针对用再生水补给河流的水质预测问题,提出了基于最优加权法的组合预测模型.利用灰色预测模型、趋势外推法和指数平滑法3种方法分别进行预测,再以预测误差平方和最小为目标,将预测值的加权问题转化为优化问题,求解得到各种方法预测值的权值.然后,将3种方法所得的预测结果用最优加权法进行组合,得到组合预测值.最后,应用组合预测法对由再生水补给的永定河中的DO值进行预测,并与单一预测模型比较.仿真结果表明,组合模型可以平衡各种方法的偏差,模型的适用性和预测精度有所改善.