ARIMA时间序列分析模型在臭氧浓度中长期预报中的应用

近年来,京津冀地区近地面臭氧浓度呈现上升趋势,臭氧污染超标情况严重.目前由于前体物源排放清单、臭氧生成和扩散的物理和化学过程机制存在不足等原因,导致了数值模型在预报夏季臭氧浓度时仍然存在较大偏差,而时间序列分析方法由于具有建模简单、计算成本低的特点,在臭氧污染预报中具有很好的应用前景.本研究利用华北区域大气本底站上甸子站点和环境监测总站天津和保定站点的臭氧观测数据,采用ARIMA时间序列分析模型开展臭氧浓度中长期预报研究.结果表明,季节性ARIMA模型在预报臭氧长期月均值时,预测值和观测值的相关系数R可达0.951,均方根误差RMSE仅为10.2 μg·m^-3.加入了日最高气温及二次项作为协变量的动态ARIMA模型,对臭氧日最大8 h滑动平均值的预报效果得到了很大提升,预测值和观测值的相关系数由0.296~0.455提升至0.670~0.748,RMSE得到了有效降低.     

合肥市冬季PM2.5统计预报方法初试与比较研究

利用合肥市2015-2018年冬季PM_(2.5)观测资料和FNL再分析资料,文章综合考虑地面及边界层高度范围内各气象要素作用,针对目前空气质量统计预报方法的不足,根据阈值分析筛选预报因子,同时将风向数据转化为对应的八方位上历史污染物浓度均值输入,最后结合BP神经网络对PM_(2.5)浓度进行逐6 h预报。结果表明,所建模型(TA-BP方案)中对PM_(2.5)预测值与观测值的相关系数(R)高达0.85,平均绝对误差(MAE)为21.31μg/m~3,均方根误差(RMSE)为28.20μg/m~3。阈值分析能够有效筛选与污染物浓度呈非线性关系的气象预报因子和高空预报因子。较BP模型,TA-BP模型的R和一致性指数(IA)分别提升14.12%和8.33%,MAE、平均相对误差(MAPE)和RMSE分别降低22.87%、17.86%和23.78%。同时,与其他不同输入变量模型及线性模型对比结果表明:仅考虑气象因子作用的MTA-BP方案限制了预报模型的准确性,以临近6 h的PM_(2.5)浓度代替各气象因子作用的PTA-BP方案能够实现较好的预报效果,但滞后性严重。另外,综合考虑气象因子与污染因子作用的非线性TA-BP模型要优于线性MSR模型。     

基于距离相关系数和支持向量机回归的PM2.5浓度滚动统计预报方案

针对目前空气质量统计预报方法存在的主要缺陷,本文提出了距离相关系数和支持向量机回归相结合的统计预报方案DC-SVR.利用淮安市2013年1—12月PM_(2.5)观测资料和常规气象观测资料,首先在选入预报当日气象要素的基础上,增加选取前期污染物和气象要素作为预报因子,再采用距离相关系数分季节从预报因子中筛选出重要预报因子,最后采用支持向量机回归对PM_(2.5)浓度值进行逐日滚动统计预报.研究发现,淮安地区气温和气压对PM_(2.5)的距离相关性要高于其他气象要素,夏秋季PM_(2.5)与气象要素的距离相关性较春冬季好.基于距离相关系数和支持向量机回归建立DC-SVR模型,PM_(2.5)的试预报值和实测值的全年相关系数高达0.76,平均偏差仅为1.13μg·m~(-3),平均绝对误差为23.47μg·m~(-3).通过与支持向量机回归、人工神经网络的统计预报效果对比,DC-SVR模型有效降低预报因子维数且能自适应选取最佳参数,预报精度显著优于其他3种统计预报方案,可为业务化预报提供参考.     

基于SARIMA模型和普通Kriging法对杭州市主城区PM2.5短期预测和制图

基于SARIMA模型对杭州市主城区内的7个站点和周边3个站点的PM_(2.5)浓度进行4 h平均的短期预报,并利用普通Kriging法对杭州市主城区PM_(2.5)进行空间插值和制图.在建立SARIMA模型时,用批量自动化的方法,使用R语言编程对夏季和冬季各360期的数据进行SARIMA(p,d,q)×(P,D,Q)6模型的参数的确定和拟合,来预测下一期的值.在10个站点分别进行120期的预测,做出真实与预测的时间序列图,在精度分析中,夏季和冬季PM_(2.5)浓度总体的平均绝对误差(MAE)分别为8.4μg·m~(-3)和14.8μg·m~(-3).在Arc GIS中,对每期的数据使用普通Kriging法,用球面模型拟合半变异函数,决定各个站点的权重,来对杭州市区内未知空间样点进行插值,最后生成完整的杭州市主城区PM_(2.5)短期预测图.本研究创新性地将SARIMA模型广义化运用到小尺度时间序列中,预报效果较好,并且批量自动化预测和制图的方法,可为今后的预测制图产品化提供技术支持.     

广州逐时臭氧污染气象条件指数研究及应用

利用2016—2020年近地面臭氧和气象逐时数据,基于相关性分析和概率统计方法,在分析臭氧敏感气象要素特征基础上,综合各气象因子对臭氧生成贡献大小,建立了广州逐时臭氧污染气象条件指数模型及等级标准,并进行了预报及检验.结果表明：(1)高浓度臭氧主要发生在高温低湿情况下,臭氧浓度及臭氧超标率均随着气温的升高而增加,当气温高于30℃时,臭氧浓度随温度的变化升高更为明显;臭氧浓度和超标率随着相对湿度的升高而逐渐降低,其中,当40%≤RH<50%时,臭氧浓度及超标率最高;当风速在1～2 m·s^-1时,臭氧超标率最大.(2)对所建立的广州本地化的逐时臭氧污染气象条件指数模型和分级标准进行了检验评估,结果显示,臭氧污染气象条件指数等级越高,臭氧浓度和超标率也越大,说明该指数能够较好地表征臭氧污染天气的强弱.(3)基于欧洲中心高分辨率数值预报产品,根据污染气象条件指数模型,对广州3种不同天气类型下的指数预报进行对比验证,预报效果较好,说明该指数对臭氧污染天气预报有较好的指导意义.     

麦田O3浓度的长期变化及其对冬小麦干物质和产量损失的估算

近地层臭氧污染及其对作物产量和粮食安全的负面效应已成为国内外广泛关注的焦点之一.利用2014~2016年冬小麦主要生长季期间臭氧浓度和气象因子观测资料,分析了麦田臭氧浓度、AOT40的变化特征.根据Pleijel等2007年修正的气孔导度模型,模拟了冬小麦气孔导度的变化,并与实测值进行对比验证,同时结合通量模型,计算了冬小麦气孔臭氧通量.此外,利用前期课题组建立的模型,估算了臭氧对冬小麦干物质累积和产量的影响.结果表明:臭氧浓度在冬小麦生长季期间从前期到后期逐渐增加,并呈现明显的单峰型日变化特征.从2014~2016年的每年3月1日~5月31日,平均臭氧浓度分别为36.2、37.7和33.6 n L·L~(-1),AOT40值分别为17.08、17.90和11.84μL·(L·h)~(-1).Javis气孔导度模型可以用来模拟本地区冬小麦的气孔导度,模型解释了实测气孔导度81%的变异性.2014~2016年冬小麦气孔臭氧吸收通量分别为9.36、9.32和8.65 mmol·m~(-2).在近3年臭氧浓度平均水平下,近地层臭氧会使冬小麦产量减少18.03%,干物质累积减少19.31%.     

基于CMAQ与前馈神经网络的区域大气污染物浓度快速响应模型

建立大气污染可控源排放-复合污染水平的函数关系,实现给定排放情景下环境污染物浓度的实时响应,是大气污染物浓度预测与减排效果评估等的重要技术前提.本研究对污染物浓度影响因子变化空间进行拉丁超立方采样,使用CMAQ区域多尺度空气质量模型的预测值作为输入数据,通过前馈神经网络模型构建基于统计机器学习的长三角区域污染物浓度快速响应模型.结果表明经过模型结构选择与参数调整,基于前馈神经网络的快速响应模型能够快速准确还原出不同减排情景下长三角区域PM_(2.5)浓度的预测值.外部验证情景下相关系数CORR达到0.999以上,MB与ME均值达到了-0.046μg·m~(-3)和0.6162μg·m~(-3),实现了比RSM更加快速与准确的预测,不同时段与不同污染物浓度的准确预测则验证了其普适性.     

空气质量模拟与观测机器学习NO2浓度预报

在空气质量模拟预报数据基础上,采用套索算法(Lasso)将前馈神经网络(FNN)与基于污染物浓度及气象实时观测值搭建的长短期记忆网络(LSTM)组合,形成了模拟与观测机器学习(SOML)预报模型,开展了佛山市顺德区NO₂未来3d10个镇街空气质量监测点位逐日浓度预报.结果显示:SOML3d的准确性均优于WRF-CMAQ及其它单一模型,其中第一天SOML平均绝对误差(MAE)为4.99μg/m³,改进幅度达66.18%;SOML不同季节适用性均较强,四季预报效果均较WRF-CMAQ明显提升(MAE分别降低42.18%、42.89%、61.04%、50.91%),其中秋冬季改善幅度更好;相比WRF-CMAQ,SOML预报结果能较好反映顺德区内各站点NO₂浓度实际空间分布和数值水平,有效提升了浓度预报精准度.     

利用多模式集合和多元线性回归改进北京PM_(10)预报

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.     

佛山市冬夏季非甲烷烃污染特征研究

2014年冬季和2015年夏季在佛山市采集了30个非甲烷烃(NMHCs)的样品,定量分析了多种化合物.结果表明,采样期间佛山市冬季和夏季NMHCS的浓度分别为122.30μg·m~(-3)和56.22μg·m~(-3).其中冬季和夏季NMHCs中浓度最高的5个物种由大到小依次为:甲苯(25.12μg·m~(-3))、间/对-二甲苯(13.76μg·m~(-3))、丙烷(9.17μg·m~(-3))、乙苯(7.25μg·m~(-3))、乙烯(6.77μg·m~(-3))和甲苯(6.18μg·m~(-3))、间/对-二甲苯(5.21μg·m~(-3))、邻-二甲苯(4.15μg·m~(-3))、β-蒎烯(3.75μg·m~(-3))、丙烷(3.29μg·m~(-3)).相比2008年,NMHCs有大幅度下降.冬季芳烃、烷烃、烯烃和炔烃所占比例分别为51.20%、34.70%、10.04%和4.05%;夏季芳烃、烷烃、烯烃和炔烃所占比例分别为43.93%、33.99%、19.20%和2.88%.因为NMHCs/NOx的冬、夏季值分别为0.90和1.88,表明采样期间佛山市大气臭氧峰值浓度都是受NMHCs控制,还应继续加强NMHCs的控制.佛山市NMHCs冬季和夏季的丙烯等效浓度和臭氧生成潜势分别为45.09μg·m~(-3)和40.64μg·m~(-3)、392.77μg·m~(-3)和207.77μg·m~(-3).间/对-二甲苯、甲苯和间/对-二甲苯、异戊二烯分别对冬季和夏季的臭氧生成潜势起到很重要的贡献.采样期间佛山市冬季和夏季的苯/甲苯的值为0.15和0.20,表明佛山市冬夏季NMHCs的主要来源是工业过程.相对2008年,本研究中异戊烷不属于佛山市NMHCs中浓度最高的5种污染物,说明佛山市在防止汽油挥发对环境造成影响方面的措施取得了明显成效.     

空气污染预报应用模型系统建立初探

在空气污染影响因素及其与环境空气质量定性关系分析基础上,通过对环境空气质量变化特征及统计、数值两种预报模型方法的对比分析,结合实际应用的目的要求及现有基础条件,提出了立足于业务化应用的空气污染预报模型系统的总体构想,并进行了实例分析。     

城市空气污染预报方法研究

介绍了国内外空气污染预报所采用的几种主要方法 ,强调指出空气污染预报的特点以及在今后预报中应注意的问题。     

人工神经网络方法在我国环境预测中的应用

从环境预测的模型适用性出发,提出用人工神经网络技术进行环境预测的新思路,建立了环境预测的多层神经网络模型,利用最近１２年（１９８１－１９９２）的环境经济数据对２０００年环境指标进行了预测,并根据预测结果对未来的环境对策进行了分析。     

北京市工业危险废物产生特性研究

根据对部分企业的实地调查数据、北京市有关单位在2003年的调查数据、2003年北京市企业排污申报登记数据、2003年部分企业危险废物转移联单数据以及结合2001年北京市排污申报登记数据,全面分析了北京市工业危险废物产生总体特性.这些特性包括危险废物的产生量和去向,区域和行业分布特点,产生量与工业总产值的关系等.同时,根据北京百万元产值危险废物产生量进行了预测,结果表明到2010年,北京市危险废物产生量将达到近19.5万吨.     

浑河抚顺市区段污染趋势分析

采用各种模型，对2010年浑河抚顺市区段污染趋势预测分析。结果表明，经济社会增长的同时入河污染物量大副增加，水环境也严重超标，必须采取相应防治对策。     

西安城市生活需水量预测

本文根据西安市过去若干年生活用水量的统计资料，分别采用一元线性回归、生长曲线、G(1，1)灰色系统模型和人均综合生活用水定额法对西安2010、2015年城市生活需水量进行预测，并对各种方法的预测结果进行分析比较，认为生长曲线模型的预测结果比较合理，确定西安2010、2015年城市生活需水量分别为3．4658亿m^3、3．6964亿m^3。     

透明度作为赤潮预警监测参数的初步研究

调查实验 数据显示，在一定条件下，透明度和浮游植物密度和种类之间有着一定的关系。浮游植物密度低时透明度高，浮游植物密度高时透明度低。认为可以尝试使用透明度作为赤潮预警监测或短期预报的参数。透明度值1.6m可以作为 赤潮预警的标准值进行试点。     

优化回归效果的探索

结合2005年阜新市全年空气质量和气象因素实测数据及气象预报数据对多元回归法预测空气质量进行探索，筛选出多种优化回归效果的途径，用优化后的数学模式计算值与实测值的相关性有明显提高。     

斜剖面图的设计及在PM2.5中期潜势预报中的应用

本文将强降水潜势预报的“配料法”原理引入到环境预报中,选取ECMWF数值预报产品中的700hPa相对湿度、1000hPa风向风速和850hPa温度作为气象要素“配料”,沿占比最多的冷空气输送路径穿过华北重污染区和上海,设计制作了未来10d气象要素“配料”时空斜剖面图,并具体定义了业务中常见的典型污染过程（冷空气输送、干静稳和湿静稳累积）和清洁过程（冷空气清洁、湿沉降清洁）共5种图形的识别特征.该斜剖面图由于融合了单站时序图和单时次空间面图的优点,无需一张张翻阅天气形势图,显著缩短了看图分析时间;斜剖面图还建立了气象要素图形特征、污染气象条件和PM_2.5污染潜势三者的对应关系,通过图形特征可以快速掌握区域内天气形势演变情况,识别出上述典型污染和清洁过程,最终得出PM_2.5中期污染潜势,便于在业务中应用和推广.一次典型污染个例应用显示,斜剖面图和污染实况的图形型态特征非常相似,斜剖面图中静稳累积和冷空气输送过程图形特征辨识度高,区域和单站提前5d的预报结论和实况较为一致;进一步评估显示,2018年冬季期间预报时效5d以内的TS评分维持在0.32~0.50区间,未来10d的预报准确率维持在74.4%~86.7%区间.     

风廓线雷达资料在灰霾预报中的应用研究

利用风廓线雷达资料对2008年7月-2010年6月的灰霾日进行了分析。结果表明:灰霾有明显的季节变化,不同程度的灰霾主要出现在10月-次年4月份,其他月份出现较少。风速对灰霾的出现与否起着重要的作用,在易出现灰霾的10月-4月中层风速≥10 m/s时不易出现灰霾,此情况约占非霾日的87%,反之则易出现,风速越小,灰霾污染程度越严重。不易出现灰霾的5月-9月除了看中层风速外,还要结合大气边界层高度和天空状况,中层风速较小的情况下,降雨频繁和大气边界层较高时也不易出现灰霾。