基于BP神经网络的贵阳市空气质量指数预报模型

采用贵阳市2013年1月1日—2015年12月31日的空气质量指数(AQI)日均值,常规的地面和高空观测资料,基于不同季节,调整BP神经网络的隐藏层个数和隐藏层节点数,建立不同的BP神经网络预报模型,进行参数检验,最终选取预报效果最好的模型带入实况进行检验。结果表明,夏季的预报效果最好,采用的模型TS评分为81.6%,平均绝对误差为9.1,正确率为97.4%,用该模型检验预报效果,实况和预报的相关系数为0.71,平均误差为9;而冬季的预报效果明显低于其他季节,采用的模型TS评分为65.7%,平均绝对误差为19.5,正确率为72.9%,用该模型检验预报效果,实况和预报的相关系数为0.79,平均误差为19。而且BP神经网络模型的预报效果同隐藏层个数与隐藏层节点数没有显著关系。     

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。     

南京市空气质量预报效果评估及误差分析

基于2020年南京市空气质量实况数据及预报数据,评估了当年南京市空气质量预报效果,分析了预报偏差特征及其成因。结果表明,4个季节中,秋季的空气质量指数(AQI)预报准确率评分和综合评分最高,夏季的首要污染物准确率评分最高;4个季节均出现正预报偏差,其中夏、冬季偏差大于春、秋季;首要污染物误报率与季节相关,二氧化氮(NO_(2))和可吸入颗粒物(PM_(10))的误报率较高的原因是NO_(2)和PM_(10)作为首要污染物主要出现在春、秋季,而这2个季节4种主要污染物的空气质量分指数(IAQI)值非常接近,增加了预报员经验修正的难度。典型预报偏差个例分析结果表明,模式预报对于污染物质量浓度量级的预报偏差以及预报员对气象条件和前体物质量浓度变化关注不足,是导致最终预报出现低估的主要原因。     

广州市污染季节空气质量预报效果评估及误差分析

基于广州市2016年第四季度空气质量实测及预报数据,对广州市污染季节空气质量预报效果进行了评估,结果表明,2016年第四季度广州市空气质量级别预报准确率83.7%、AQI范围预报准确率67.4%、首要污染物预报准确率67.2%、综合考核评分87.4分、相关系数0.78,预报效果总体良好,预报准确率在优良级别时相对较高,而在轻度污染以上级别时相对较低。预报误差分析表明,气象预报精细化程度不足、模式预报不确定性等客观因素,预报员缺乏对污染过程物理化学机制的深入理解等主观因素共同导致了预报的误差。     

基于CFSv2的延伸期空气质量数值预报技术及效果评估

介绍了基于CFSv2产品开展空气质量数值模拟的技术方法以及基于该技术的成都市延伸期空气质量预报系统,评价了2019年9月25日至12月25日的预报结果,以2019年12月为例分析了系统对具体污染过程的预报能力。结果表明,系统AQI预报准确率为36.67%,等级预报准确率为68.93%,"时段1"的预报效果优于其余时段,但"时段2"和"时段3"在污染物浓度水平上仍然具有较高的参考价值。系统在PM2.5浓度、气温和气压的变化趋势上提供21 d左右的参考。后续工作中,将针对CFSv2产品开展气象模型参数方案优选,并尝试结合基于GFS产品驱动的常规业务数值预报产品为延伸期空气质量预报提供污染物浓度初始场,减少误差传递,从而提高延伸期空气质量预报产品的准确性和可用性。     

北京地区PM_(2.5)与空气污染物的关系模型

为了研究北京地区PM2.5与空气污染物的质量浓度关系。从PM2.5监测网收集2013-04-01~2014-05-15期间PM2.5、PM10、SO2、NO2、CO、O3等主要空气污染物数据,用多元线性回归模型建立PM2.5与空气污染物的质量浓度关系。结果表明:北京地区PM2.5与空气污染物PM10、SO2、NO2、CO、O3的质量浓度相关系数分别为0.9172、0.6332、0.7683、0.8166和-0.1797,优化的拟合方程为:[PM2.5]=-22.5925+0.569109×[PM10]+23.94913×[CO]+0.113025×[BPM2.5],模型的估算值与观测值相关系数为0.9426,此方程能较好地模拟北京地区的PM2.5质量浓度。     

几种空气质量预报方法对冬季预报效果的评估与对比

基于2016年冬季泰州市环境空气质量自动监测数据,定量评估NAQPMS模式、CMAQ模式和人工订正对污染物质量浓度和空气质量等级的预报效果。结果表明,模式预报和人工订正对各污染物预报的相关系数由高到低排列为PM_(2.5)、PM_(10)、NO_2、SO_2、O_3-8h,颗粒物预报效果最好。除O_3-8h外,NAQPMS对各项污染物预报的相关系数R为0.47～0.82,CMAQ为0.75～0.81,人工订正为0.43～0.78,3种预报方式均能准确反映污染物浓度的变化趋势;模式预报、人工订正对O_3-8h预报相关系数均0.4。在发生颗粒物污染过程时,人工订正结果相对更为准确。NAQPMS、CMAQ和人工订正对空气质量等级24 h预报准确率分别为38.9%、41.1%和35.6%,NAQPMS对优类别的预判准确率较高,CMAQ、人工订正对良类别的预判准确率较高。对比不同时效的预报效果,24 h预报时效的准确率高于48和72 h。提出,城市空气质量预报可采用集合预报方式,综合1～2种运行较稳定的主流预报模式预报结果,预报员对模式模拟结果进行人工修订,提高预报准确率。     

t分布受控遗传算法优化BP神经网络的PM2.5质量浓度预测

根据齐齐哈尔大学监测点2014年3—5月PM2?5质量浓度及其对应的每小时的气象因素、气体污染物浓度,建立基于t分布受控遗传算法的BP神经网络模型（ BPM?TCG）,对PM2?5质量浓度进行模拟预测。并将其与BP神经网络模型、遗传算法优化BP神经网络模型（ BP?GA）进行对比分析。3种模型预测结果表明：BPM?TCG模型预测精度最高,泛化能力最好。 BPM?TCG模型对PM2?5质量浓度的准确预测为预防和控制PM2?5提供依据。     

基于神经网络模型对城市空气质量预报方法的优化研究

基于郑州市2017年1月1日—2022年2月28日环境空气细颗粒物(PM_2.5)逐日质量浓度监测数据和同期气象数据,利用反向传播(BP)神经网络构建了环境空气PM_2.5质量浓度预报模型,实现了对郑州市后1日环境空气PM_2.5质量浓度日均值进行预报。构建了考虑大气氧化性因素(情景一)和不考虑大气氧化性因素(情景二)这2种情景,并对2种情景下的预报效果进行评价。结果显示,在情景一下,各季节PM_2.5预报质量浓度与实况质量浓度的标准化平均偏差(NMB)和均方根误差(RMSE)均处于较低水平,表明预报效果均具有较好的稳定性;各季节PM_2.5实况质量浓度与预报质量浓度之间的相关系数(r)、一致性指数(IA)、准确率(Q)和级别预报准确率(G)均处于较高水平,其中Q值均>79%,G值均>80%,表明各季节PM_2.5实况质量浓度与预报质量浓度趋势的吻合程度较高。情景一各季节PM_2.5预报质量浓度与实况质量浓度的NMB和RMSE均低于情景...     

沈阳市冬季环境空气质量统计预报模型建立及应用

利用沈阳市2013年1—2月大气自动监测数据和同期气象资料,选取19项预报因子,采用逐步回归方法建立了沈阳市冬季环境空气质量统计预报模型,预报项目包括细颗粒物(PM2.5)、可吸入颗粒物(PM10)、二氧化硫(SO2)、二氧化氮(NO2)、一氧化碳(CO)日均浓度及臭氧(O3)日最大8 h平均浓度。2013年11月至2014年1月,应用该模型并结合人为经验修订,开展了沈阳市环境空气质量预报工作,预报结果与实测结果的对比验证结果表明,环境空气预测结果级别准确率达到79.1%,首要污染物准确率为73.6%。     

浅析环境监测对环境执法的案源保障作用

环境监测为环保行政执法提供的案源主要来自对企业监督性监测、在线监测、建设项目竣工验收监测、放射性及固废监测等过程.需从违法主体是否存在、违法事实是否清楚、法律依据是否充分、监测数据是否科学准确等方面,来保障案源的有效性.     

基于产生来源的固体废物鉴别研究

通过对美国、欧盟和日本的固体废物定义和范围,以及已完成的固体废物鉴别实例的研究,指出固体废物鉴别的关键点在于产生来源分析。提出依据产生来源,固体废物可以分为丧失原有使用价值的物质、生产过程中产生的副产物类物质、环境治理和污染控制过程中产生的物质、其他类物质4大类。如果待鉴别物质的产生来源属于该4大产生来源中的任何一类,则其属于固体废物。     

基于L-M神经网络的道路交通噪声预测研究

神经网络具有很强的预测功能.根据石家庄公路交通噪声的实测数据,利用L-M优化算法的多层神经网络预测模型进行道路交通噪声的预测,经检验,计算值与实测值接近,预测精度令人满意.     

基于健康的环境监测技术规范研究

阐述了环境与健康监测的现状,根据江苏省典型区域环境与健康调查取得的成果和经验,对开展环境与健康监测的基本原则和技术思路作分析。提出环境与健康监测内容包括污染物排放监测、环境质量监测、外暴露监测、内暴露监测和健康效应监测,探讨了属于环保部门职责范畴的前3项监测技术内容及相关要求。     

关于滤纸可溶物对测定悬浮物影响的探讨

针对滤纸可溶物对测定悬浮物结果的影响作了定量和研究。     

基于组织机构代码的污染源标识研究

简述了中国环境保护多项业务中污染源代码现状,其污染源编码都是根据当时的环境管理工作需要,独立确定的一套编码规则,这些不同的标识方式,在污染源的编码格式上不具有稳定性与统一性,不利于污染源基础信息的共享,形成多个信息孤岛。提出了基于组织机构代码的污染源编码规则,确定了编码结构及表示形式,使新污染源编码规则具有较强的实用性、标识的唯一性以及结构的规范性。基于污染源代码,可以有效整合环境信息资源,形成污染源档案,为环境监管提供全面的、详实的数据支撑。根据当前环境管理业务信息系统的实际,提出了今后实施工作的建议。     

基于灰色聚类方法的湖泊营养状态综合评价

将湖泊水体的营养状态看作一个灰色系统,建立用于识别湖泊营养状态属性的灰色聚类综合评价模型,将水质级别作为一个灰类,水质状态作为灰色变量,根据灰色白化权函数聚类方法来确定水体营养状况归类。以太湖为例,基于分布全湖的20个监测点数据,运用灰色聚类法对其进行富营养状态综合评价,结果表明,监测时段太湖大部分水体基本处于中营养水平,局部湖面达到中度富营养状态,客观地反映了太湖湖区水体营养状况。     

基于ETM 遥感影像的城市热岛效应监测技术研究

针对传统城市热岛效应监测技术方法的不足,探讨了利用热红外遥感影像进行城市热岛效应监测的方法。研究过程中采用密度分割法对广州市热岛分布状况进行模拟实验。最后结合其他统计资料,借助GIS等辅助工具,对热岛成因进行分析,提出缓解城市热岛效应的有效措施。实验结果表明,该种方法具有简便、准确、实用等特点,适合在我国城市开展进行热岛的常规监测。     

计算机在环境监测数据辅助审核中的应用

以地面水环境监测数据为例 ,对实现监测数据计算机辅助审核的可行性以及审核的方法等进行了研究。指出实现监测数据计算机辅助审核是完全可行的。监测数据计算机辅助审核不仅将大大减轻数据审核技术人员的工作压力 ,也有利于提高监测数据审核工作的技术水平和工作质量     

基于环境监测数据的APEC会议空气质量保障环境改善效果评估

在简要回顾APEC期间的空气质量情况的基础上,从多方面较系统的分析了APEC期间北京市空气质量的变化特征,包括各项污染物浓度水平的同比分析、不同区域不同类别站点小时浓度的百分数分布及变化情况分析、污染物日变化规律变化特征分析、空气质量改善效果的空间分布特征分析、颗粒物组分变化特征分析、污染来源解析模型、数值污染模型等方法,力求从多个方面深入了解APEC控制措施对北京市污染水平、污染特征造成的影响,并利用组分、模型等方法定性定量的评估主要空气质量影响因素、不同的污染控制措施对APEC期间空气质量改善的作用及贡献。结果表明,APEC期间,北京市空气质量得到明显改善,空气质量基本处于优良级别,各项污染物浓度大幅下降,APEC污染控制期各项污染物的百分位数浓度与无控制期出现明显分离特征,污染物的日变化低浓度持续时间更长且增长更缓慢。