共查询到10条相似文献,搜索用时 15 毫秒
1.
基于Models-3的自修正空气质量预报系统及其效果检验 总被引:1,自引:0,他引:1
本文介绍了一个以Models-3为基础的自动化空气质量数值预报系统,该系统通过Gambas、Yabasic和R语言等工具进行开发,集成WRF-SMOKE-CMAQ三个模式,可通过监测数据进行自动修正,完成空气质量业务数值预报,并将结果发布到Web服务器上进行呈现。该系统对硬件的要求较低,将部署于一台DELL Optiplex 9010工作站上,设置6km—2km双层嵌套,进行成都市空气质量数值预报。本文分析了成都市2014年1月1日至2014年12月31日的空气质量数值预报结果,评价系统对成都市NO_2、SO_2、PM_(10)、PM_(2.5)、O_3、CO以及空气质量指数(AQI)的预报效果。结果显示,系统对于成都市2014年空气质量变化情况趋势的预报效果较好,302天有效预报中,24小时直接预报的空气质量等级准确率为58.27%,AQI预报相关系数0.71,观测值自动修正预报对24小时空气质量预报具有明显改善效果,使其等级预报准确率达到64.9%,相关系数提高到0.89。 相似文献
2.
3.
为探究空气污染与气象条件的关系,以及基于气象条件的空气污染等级报方法,以开远市为例,利用相关性分析、数值统计预报方法及《空气污染扩散气象条件等级》标准进行了分析。结果表明:(1)开远空气污染具有“冬春高夏秋低”的鲜明特点,影响污染物主要有SO2、PM10、O3、PM2.5,其中O3为首要污染物;(2)影响开远市空气质量的气象条件主要有降水、相对湿度和风向。夏季降水的湿清除作用对改善当地空气质量有重要作用,尤其是在调节降低SO2、PM10、CO、PM2.5浓度中作用显著。相对湿度与空气质量呈负相关,影响开远市空气污染扩散的风向主要为南向风;(3)根据《空气污染扩散气象条件等级》标准建立的基于气象条件的空气污染等级预报方程,比数值统计预报方法建立的AQI逐步回归预报方程具有更好的适用性,预测AQI等级对比实测AQI预报等级正确率达79.4%,对开远市空气污染防治具有一定的科学指导意义。 相似文献
4.
利用2012年1月~2015年12月桂林国家基本气象站观测到的地面、高空气象观测资料及大气成分观测资料,从污染物浓度、水汽、风速、大气层结、降水等几个方面初选了29个预报因子,根据这些因子与霾天气相关程度,选取相关显著的因子,分别用事件概率回归、逻辑回归、指数叠加等3种方法建立桂林霾天气的潜势预报模型。结果表明:3种潜势预报模型中Logistic无论是在回报还是预报检验中效果都最好,其中在预报检验中空报率、漏报率、TS评分、准确率分别为32. 0%、34. 5%、50. 2%、80. 3%,事件概率回归、指数叠加建立模型效果稍差,但事件概率模型漏报率只有21. 4%。整体而言,3种模型预报效果稳定,TS预报评分都在50%左右,准确率均超过74%,在实际预报中有较好地参考价值。 相似文献
5.
《中国环境管理干部学院学报》2020,(1)
数值模型是当前空气质量预报的主要方法。基于CMAQ模型、WRF-Chem模型、CMAx模型和REG模型对2017年辽宁省空气质量指数(AQI)的范围和级别预报准确率进行了分析。结果表明:CMAQ模型对辽宁省AQI范围和级别的预报准确率均高于其他3个模型,REG模型准确率均最低,WRF-Chem模型和CMAx模型准确率基本持平;各模型对辽宁省东南部区域的预报准确率整体高于对中部和西部的预报准确率。 相似文献
6.
7.
为深入认识区域大气污染现象规律,完善并提高城市空气质量预报预警能力,提高大气污染治理决策支持能力,开展城市污染成因分析与空气质量预报预警研究是十分必要的。本文针对环境大数据时代下的城市空气质量预报,提出了一种基于大数据分析与认知技术的专业先进的大气环境业务应用系统体系。该体系基于底层统一的数据资源中心,融合各类不同类型的空气质量监测、不同预报系统的产品数据以及基础辅助数据,建立数据汇交、共享、质控管理机制,通过上层预报预警、综合分析、案例分析、应急决策支持四大子系统,从多模式集合预报结合专家调优支撑高性能预报会商应用,从大数据融合时空关联分析深度挖掘大气复合污染特征与污染成因,从多维度历史污染过程和天气形势全自动化认知分析支撑重污染过程研判,从业务化仿真情景方案与污染溯源助力专业应急决策。最后,通过在北京市环境保护监测中心的系统实现证明体系的高性能、稳定性和实用性。 相似文献
8.
利用2017年4月1日~2019年3月31日万盛经开区万东北路站点的空气质量日均值监测数据进行分析发现,万盛大气污染具有很强的季节变化特征,冬半年主要污染物为PM 2.5,夏半年主要污染物为O 3,冬半年污染重于夏半年,颗粒物污染重于O 3污染。万盛污染以轻度污染为主,仅有冬季会出现中度以上污染天气,其首要污染物均为PM 2.5。利用多元回归模型和差分自回归移动平均模型(ARIMA)建立了万盛PM 2.5、PM 10与O 3的预报模型。通过对模型得出的预报值与实况值的比较来看,预报与实况的变化趋势基本一致,均可以较好的指示未来AQI的变化趋势。多元回归预报模型中,O 3的预报效果要远好于PM 2.5和PM 10;而ARIMA预报模型三者预报效果接近。总体来说,ARIMA(p,d,q)预报模型对颗粒物污染的预报效果要远好于多元回归预报模型,而O 3则两种模型预报效果接近。 相似文献
9.