库水位响应滞后影响下的滑坡位移预测模型研究

滑坡的位移变化不仅与其地质环境有关,还取决于外界诱发因素的动态变化,如降雨和库水位变化。本文以白家包滑坡监测数据为依据,对滑坡诱发因素与滑坡位移变化之间的影响关系进行了综合分析,并选取月降雨量与库水响应滞后影响下的库水位月平均变化量为诱发因子,采用时间序列分析方法,通过构建差分自回归移动平均(ARIMA)模型,对该滑坡的位移进行了动态预测。结果表明:该模型可以较好地反映滑坡位移在外界诱发因素影响下的动态变化,可有效提高模型预测精度,且简单易行,为判断滑坡的动态变化提供了可靠的理论依据。     

基于ARIMA模型对扬州市PM2.5的分析和预测

针对扬州市PM2.5浓度变化的时间序列分布特征,应用求和自回归移动平均(ARIMA)模型,分别预测扬州市1月、4月、7月和10月每月的1-5日的PM2.5日均浓度,结果表明,所预测天数中约60％的PM2.5日均浓度与实测值较接近,但仍有极个别天数的PM2.5日均浓度存在较大偏差,说明运用ARIMA模型对扬州市PM2.5...     

基于ARIMA模型的PM_(2.5)预测

PM2.5的精确预测是大气污染评价和治理的关键性工作。本文针对PM2.5浓度变化的时间序列分布特征,结合环境监测站提供的相关数据,应用自回归移动平均模型(ARIMA(p,d,q))预测短期PM2.5的日平均浓度。结果表明:由于PM2.5浓度变化受气象场、排放源、复杂下垫面、理化生过程的耦合等多种因素的影响,不同时段内的变化模式存在巨大差异,因此采用分时段序列预测模型可以提高PM2.5的预测精度;通过将分时段序列模型与灰色GM(1,1)模型和全年时间序列模型的预测结果进行对比,发现该模型预测效果更好。     

基于逆方差多模型融合的空气质量指数预测方法

空气质量预测对合理制定环境治理政策具有重要意义。针对目前单体预测模型存在模型不稳定和泛化能力不强的问题,提出基于逆方差权重分配方法融合3种单体模型的空气质量指数(air quality index, AQI)预测方法。首先,以北京市为例,构建空气质量指数预测数据集;其次,分别构建长短期记忆网络(LSTM)、门控循环单元(GRU)、双向长短期记忆网络(Bi-LSTM)、自回归积分滑动平均模型(ARIMA)和多元线性回归(MLR)5种模型对数据集进行预测,并对比以上模型的预测结果;最后,在多模型融合方法中,选择逆方差法计算预测精度较高的3种单体模型的权重,根据算得权重构建逆方差融合预测模型。与预测精度较高的3种单体模型以及加权平均融合预测模型相比,逆方差融合预测模型对空气质量指数的预测精度R²分别提高3.9%、3.4%、1.6%和0.5%,达到0.933。结果表明：逆方差融合预测模型综合了各单体预测模型的优点,能够提高AQI预测精度。     

我国城市群空气污染及其季节变化特点

研究以国家环保总局在网站上公开发布的重点城市每日空气污染指数(API)日报数据为基础,组成时间序列.然后针时不同空间分布城市的API时间序列进行了聚类分析,获得了这些城市空气污染的空间分布变化特征.发现我国城市空气污染存在"城市群"的特点,而且随季节变化.因此建议空气污染防治应当从单个城市的防治规划上升到城市群联合进行防治,达到改善城市空气质量的目的.     

基于ARIMA、LS-SVM和BP神经网络组合模型的航空运输飞行事故征候预测

应用差分自回归移动平均模型(ARIMA)、最小二乘支持向量机模型(LS-SVM)和BP神经网络模型(BPNN)的组合模型,对某航空公司运输的月度飞行事故征候万时率进行预测分析。首先,利用2008—2016年某航空公司的事故征候、飞行小时、航空器数量、原油价格等历史数据建立ARIMA模型,应用SPSS软件进行模型拟合,获取飞行事故征候万时率的线性部分;然后,利用LS-SVM和BP神经网络建模,获取飞行事故征候万时率的非线性部分;最后,利用DS证据理论,实现三者的融合,获得ARIMA+LS-SVM+BPNN组合模型,利用组合模型对2017年1至3月该航空公司的月度飞行事故征候万时率进行预测,并用实际数据进行了验证。结果表明:组合模型较好地拟合了飞行事故征候万时率的历史序列,并获得了较高的预测精度;组合模型的短期(3个月)预测值与该航空公司飞行事故征候万时率的变化趋势完全一致,且预测精确度可接受。该研究可为航空公司安全与运行的趋势分析与判断提供数据依据,也可为航空公司制定针对性的飞行事故征候防控方案提供帮助。     

普洱市思茅城区空气污染指数API时空分布特征研究

空气污染指数(API)是一种综合反应和评价空气质量的指标,分级表征空气污染程度和空气质量状况。利用普洱市环境监测站收集的普洱市思茅城区2013—2014年度API指数,对API指数进行时间序列分析和空间分析,包括2013—2014年API的质量状况、季节变化以及比较南北市区的API值。结果表明:普洱市城区的空气状况在2013—2014年度优良,夏季的空气质量最好,春季最差;空间上存在南北差异,南市区API指数低于北市区,南市区空气质量优于北市区。     

我国西北5省5城市API变化特征的对比分析

依据2001-2012年的空气污染指数(API)日报数据,从月(或季、年)平均和空气污染等级2个角度出发,研究西北5省5城市(西宁、兰州、银川、西安和乌鲁木齐)API和空气污染状况比例的变化特征和趋势分析,统计结果表明:(1)5城市空气质量等级以Ⅱ级良为主,首要污染物以可吸入颗粒物为主。在年、季节、采暖期和非采暖期API值有趋于同步的下降变化趋势,污染(优良)天数呈现明显的下降(上升)趋势,大气污染呈现一定的"区域化"的特征。(2)5城市API指数变化规律有明显的时间和空间差异。从多年API年均值来看,西安、兰州和乌鲁木齐较高,银川和西宁相对较低,且乌鲁木齐、兰州和西宁空气质量状况不稳定,而西安和银川变化相对比较平缓。5城市的年变化也呈现不同的变化特征,总体上夏秋季空气质量明显好于冬春季。(3)5城市谱峰区间逐渐向低浓度范围偏移且天数逐渐增加,高浓度事件逐渐减少,各城市向低浓度转变的年份不完全一致。     

沈阳市PM2.5浓度ARIMA-SVM组合预测研究

首先利用回归树分类方法,对采暖期与非采暖期各日进行气象类型划分,识别出易造成重污染天气的气象类型.其次分别在各气象类型内,以污染源排放量为自变量,利用差分自回归滑动平均与支持向量机（ARIMA+SVM）组合方法建立起PM_2.5浓度日均值预测模型,并选取2013年01月~2017年06月间,沈阳市区内9个环境监测点PM_2.5浓度日均值进行实证分析.结果表明,使用气象分类下的ARIMA+SVM组合模型对PM_2.5浓度日均值进行预测,相比于不划分气象类型时的普通机器学习模型,其模型预测值与实测值趋势的吻合度更高,且对峰-谷值的识别能力更强.在采暖期与非采暖期,组合模型均具有平均绝对误差更低、预测正确率更高的优点.     

我国空气质量健康指数的初步研究

收集我国16个城市2001~2010年每日PM10、SO2和NO2浓度和居民日死亡数,采用经典的时间序列研究方法和贝叶斯层次模型,分析在全国水平上各污染物与居民每日总死亡率的暴露反应关系,据此构建我国空气质量健康指数(AQHI).比较AQHI与现行空气污染指数(API)和空气质量指数(AQI)预测居民日死亡率的能力.结果显示,AQHI的构建公式为:AQHI=10/16.4×100×[exp(0.00019×PM10)-1+exp (0.00061×NO2)-1].AQHI预测居民每日总死亡率、心血管疾病死亡率和呼吸系统疾病死亡率的强度和精确度均优于现行的API与AQI.     

高斯轨迹烟云扩散模型在贵阳空气质量预报中的应用

选择在复杂地区应用较好的高斯轨迹烟云扩散模型,作为贵阳市空气质量预报的数学扩散模式,并利用贵阳市现有的污染源排放资料和气象资料,对贵阳市的大气污染物分布进行了模拟计算,经与实测结果比较表明:实测值与监测值基本一致,相关性较好。该模式可以作为贵阳市空气质量预报的数学扩散模式,对其他城市也具有一定的借鉴作用。      

空气污染潜势-统计结合预报模型的建立及应用

建立了一个空气污染潜势预报和统计预报相结合的模型,该模型以特征气象因子和大气扩散清除因子为基础,并考虑不同因子的权重,定义空气污染潜势指数APPI.所考虑的因子包括:地面风速、混合层高度、混合层内平均风速、风向日变化、稳定度级数、垂直扩散系数、SO2干沉降速率、NO2干沉降速率、PM10干沉降速率、降水时长、地面天气形势.进一步利用统计方法建立空气污染指数API与APPI之间的关系.利用南京地区2009~2010年气象资料计算APPI,通过3项式拟合得到API与APPI的统计方程.结果表明,拟合得到的API与实际API相关系数为0.67,具有显著的相关性,且等级准确率为76.7%.进一步利用2011年1~12月中尺度气象模式WRF预报的气象场开展实况预报.研究表明,24h预报、48h预报、回顾预报的逐月等级正确率分别为44.4%~87.5%,46.4%~100%和63.0%~80.0%,年均等级正确率为60.6%,62.4%.和73.1%.若定义预报API与实际API相差±20以内为正确,则24h预报、48h预报、回顾预报的正确率分别为58.1%, 59.4%和63.8%.在IBM x3500并行集群服务器上计算,48h预报需要机时3h.可见,该模型具有较好的预报性能, 相对数值模型计算效率很高.     

Evaluation and comparison of statistical forecast models for daily maximum ozone concentrations

Three statistical models that estimate daily maximum ozone (O₃) concentrations in the lower Fraser Valley of British Columbia (BC) are specified using measured concentrations from two monitoring stations during the time period 1978–1985. The three models are (1) a univariate deterministic/stochastic model, (2) a univariate autoregressive integrated moving average (ARIMA) model, and (3) a bivariate temperature and persistence based regression model.The three models as well as a persistence forecast are tested by comparison with O₃ concentrations observed during 1986; it is concluded that the bivariate model is superior to both unvariate models and persistence. The ARIMA model has nearly the same predictive capability as persistance while the mixed deterministic/stochastic model performs the worst. This suggests that the traditional time series technique of decomposing a series into a trend, a cycle and a stochastic component may not be appropriate for O₃ air quality forecasting.     

珠三角区域空气质量指数(RAQI)的研究

区域空气质量指数(Regional Air Quality Index,RAQI)是粤港政府联合发布、反映珠三角区域内不同地区的空气质量状况的评级系统。虽然RAQI综合考虑了空气污染的总量水平,较我国空气污染指数(Air Pollution Index,API)系统增加了O3,一定程度地考虑了大气氧化性增高的问题,但其所表征的空气质量状况与实际空气污染水平和公众感受仍存在差异。对2006年珠三角和香港监测数据的研究表明,RAQI较API能更充分地体现空气质量的分级;小时RAQI能够实时准确地反映了环境质量的变化,较每日RAQI更具有实际意义;加入PM2.5或采用不同的O3、PM10和PM2.5环境质量标准,是影响RAQI的重要因素。PM2.5/PM10为0.7,比世界卫生组织推荐的PM2.5/PM10为0.5的比例更符合珠三角的实际情况。因此,增加细粒子污染物PM2.5,适当调严某些污染物的环境质量标准,增加RAQI的发布频次,可以使RAQI更全面、准确地反映区域空气污染状况,是RAQI改进的方向。     

Evaluation of ambient air quality in Guangzhou, China

On the basis of the reported air quality index （API） and air pollutant monitoring data provided by the Guangzhou Environment Monitoring Stations over the last twenty-five years, the characteristics of air quality, prominent pollutants, and variation of the average annual concentrations of SOE, NOE, total suspended particulate （TSP）, fine particulates （PM10）, CO and dustfall in Guangzhou City were analyzed. Results showed that TSP was the prominent pollutant in the ambient air environment of Guangzhou City. Of the prominent pollutants, TSP accounted for nearly 62%, SOE 12.3%, and NOx 6.4%, respectively. The average API of Guangzhou over 6 years was higher than that of Beijing, Tianjin, Nanjing, Hangzhou, Suzhou and Shanghai, and lower than that of Shenzhen, Zhuhai and Shantou. Concentrations of air pollutants have shown a downward trend in recent years, but they are generally worse than ambient air quality standards for USA, Hong Kong and EU. SOE and NOx pollution were still serious, impling that waste gas pollution from all kinds of vehicles had become a significant problem for environmental protection in Guangzhou. The possible causes of worsening air quality were also discussed in this paper.     

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.     

基于GA-ANN改进的空气质量预测模型

基于人工神经网络的空气质量预测模型优于传统的逐步回归模型,但由于性能差异不明显而较少在空气质量预报中应用. 设计了将遗传算法和神经网络算法相结合的基于GA_-ANN的空气质量预测模型,并利用天津市2003—2007年气象和污染物监测资料对该模型进行验证. 对2007年全年的ρ(SO₂),ρ(NO₂)和ρ(PM₁₀₎进行预测,预测值与实测值的相关系数分别为0.899 6,0.828 3和0.600 0. 与一般的人工神经网络预测模型相比较,GA_-ANN模型将空气质量等级预报的准确率从77.57%提高到79.67%. GA_-ANN模型可结合其他方法进行日常空气质量预报.      

曲靖市中心城区环境空气质量变化趋势

采用空气综合污染指数法评价体系对曲靖市区环境空气质量现状进行评价,结果表明,2003～2011年曲靖市区环境空气综合污染指数为2.12,属于轻污染,污染负荷比最大的污染物为二氧化硫。年际变化趋势研究表明,2003～2011年曲靖市区环境空气中二氧化硫综合污染指数总体下降但趋势不显著,可吸入颗粒物总体无明显变化趋势,二氧化氮总体上升但趋势不显著。月际变化趋势研究表明,受气候影响,曲靖市区全年环境空气质量夏季和秋季明显好于春季和冬季。     

环境空气质量新标准下评价体系重点解读

随着环境空气质量新标准的发布,一系列空气质量实时发布和评价方法相继发布,且短时信息发布和长期质量评价之间的关系较为复杂,易造成基层评价人员和公众的困惑和疑问.结合国家几个相关技术规范文件,对空气质量实时发布方法前后变化、每月各城市排名通报以及月度、年度评价公布结果进行重点解读,说清各评价方法之间的不同之处及其带来的评价结果变化,为指导基层空气质量评价工作和公众了解官方空气质量发布内容起到一定的作用.     

天津静稳指数建立及在环境气象预报和评估中的应用

基于2014—2015年NCEP再分析资料及天津地区PM_2.5质量浓度数据,构建天津地区静稳指数以期反映大气综合扩散能力,为天津霾、空气质量预报和大气环境气象条件评估提供支撑.研究结果表明：本文构建的静稳指数可作为评估天津地区细颗粒物大气扩散能力的重要指标参数,其建模产品与天津地区PM_2.5质量浓度相关系数为0.62,在评测期间（2016年6月1日—2018年5月31日）,基于EC模式的静稳指数24 h预报产品与天津地区PM_2.5质量浓度相关系数为0.67,1~7 d预报产品与PM_2.5质量浓度相关系数超过0.53,8~10 d预报产品随着时效增加指示能力有所下降,相关系数为0.4左右,但通过显著性检验.对比同期基于GFS资料和WRF/Chem构建的天津中长期环境气象数值模式,其相关系数接近,趋势预报效果相当.同时,由于静稳指数综合了水平风速、混合层高度、相对湿度等多项指标,可以综合反映一个地区大气扩散能力,在大气环境气象条件评估中可发挥积极作用,以同排放源不同气象条件的数值模拟为基准定义细颗粒物大气扩散条件,2013—2018年逐月大气扩散条件同比上年改善的占总样本41%,同比转差的占总样本59%,利用静稳指数对大气扩散条件月同比变化趋势进行判断,识别准确率可达80%.