大气环境质量灰色评价模型及其应用

根据灰色关联度定义，构造目标函数，运用扩展的最小二乘方准则，建立了一种新的大气环境质量评价模型，结合实例说明了该模型的具体应用，得到与用其它方法评价相一致的结果，该模型数学推导严谨，评价结果合理，分辨率高，可靠性强。     

昌吉市大气扩散模型的建立与探讨

根据昌吉市地理环境特点，选用“大气扩散－沉积模式”，气象设计条件和扩散参数，建立起符合昌吉市特点的大气质量模型，并摸拟了ＴＳＰ污染现状浓度。     

平顶山市湛河水水质预报模型研究

运用随机理论－－马尔科夫过程预报平顶山市湛河水质,并通过平顶山市湛河近十年的水质监测数据验证了模型的可靠性,对2000年前后湛河水质进行预报,为使2000年淮河流域水质变清,给平顶山市的管理层提供了一定的理论依据。     

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%。     

基于随机森林算法的滁州市空气质量预报研究

利用2017—2019年滁州市6种空气污染物质量浓度和AQI资料、气象要素及ECMWF数值预报作为输入参数,构建基于随机森林算法的污染物质量浓度和AQI预报模型,其中AQI预报按季节划分为4个模型。结果表明：6种污染物中O3的预报效果最好,相关系数为0.84,PM2.5、PM10和NO2相关系数分别为0.76、0.72和0.72,SO2和CO预报效果略差;基于分季节模型AQI的24 h预报结果TS评分为0.77,空报率（FAR）和漏报率（PO）分别为15%和12%,相较于非季节模型预报效果更好;春季和秋季的TS评分分别为0.88和0.86,相较于冬季和夏季预报效果更好。     

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。     

天津市基于新标准的空气质量预报模型效果评估

利用2015年环境空气质量监测数据,对天津市OPAQ空气质量统计预报模型预测效果进行验证评估。结果表明,模型对天津市AQI和PM_(2.5)、PM_(10)、O_3、NO——2的预测结果与实测结果具有较好的趋势一致性,且预测时间越临近,拟合度越好,24 h预报的相关系数r全部达到0.8以上。对PM_(2.5)的预报性能明显优于PM_(10)、O_3和NO_2,PM_(2.5)平均值预测略呈正偏差,但重污染预测值偏低约15%;O_3和NO_2预测值呈明显负偏差,O_3峰值预测不足,NO_2预测值整体偏低,均以24 h预报趋势性最好,但负偏差最为突出。     

水质变化趋势的综合评价模型

采用模糊集对分析方法，综合评价了某自来水厂1982年—1987年水质动态变化趋势，评价结果与密切值法得出的结论基本一致，实例分析表明，模糊集对模型的评价信息量多，评价结论合理、可靠，是一种简单而实用的评价方法。     

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。     

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...     

水质综合评价的么工向基函数网络模型

针对目前水质综合评价中常规方法存在的问题,提出了径向基函数模型（简记为RBF－ANN）。以吉林省白城市地下潜水水质资料为例,运用该方法对监测样点进行了综合评价。通过与其它方法对比。结果表明,利用RBF－ANN模型进行水环境质量综合评价不仅方法简便,而且结论更接近客观实际。     

大气环境质量综合评价加权灰色关联模型的建立与应用

利用灰色理论建立大气环境质量综合评价加权灰色关联模型 ,运用污染贡献率确定权重系数。与其它评价模型相比 ,加权灰色关联模型还具有排序功能 ,实例表明该模型是简便有效的     

基于AHP-CRITIC综合权重的改进物元可拓模型在地下水水质评价中的应用

权重的确定在地下水水质评价中具有重要作用。利用CRITIC方法对地下水指标进行权重修正,探究该方法对地下水质量评价的适用性。笔者选取代表性指标后,按照一般化学指标、毒理学指标2个层次构建地下水污染评价综合指标体系,建立基于AHP-CRITIC综合权重的改进物元可拓模型对研究区地下水开展质量评价。将开发的评价方法应用于工业园区地下水质量评价发现,该方法能够反映地下水质量状况。结果表明:该评价方法在地下水质量评价过程中,能够兼顾不同指标重要程度差异和水质等级的模糊性,研究区5#点位和10#点位有毒有害重金属超标,应进一步查明原因,提出地下水污染阻断措施。