机场典型霾过程大气消光特性及能见度预测模型

大气能见度是机场运行的重要指标之一,探究机场低能见度天气形成机理、准确预测能见度变化趋势对保障航空交通安全高效运行至关重要。选取天津机场为研究对象,开展大气光学参数、污染物浓度及气象条件监测,研究了2020年12月08—23日一次典型霾天气过程中机场大气消光特性,并基于广义加性模型(generalized additive model, GAM)和梯度提升回归树模型(gradient boost regression tree, GBRT)分别构建机场能见度预测模型,对比并确定最优模型。结果表明,在天津机场冬季一次典型霾污染引起的低能见度过程中,大气总消光系数B_ext为37.4～891.7 Mm^-1,平均值为346.0 Mm^-1。其中,B_sp、B_ap、B_ag、B_sg对B_ext的贡献占比分别为73.7%、11.7%、5.9%和8.7%,气溶胶污染是造成能见度降低的主要因素,GBRT分析显示1μm以下粒子对总消光的相...     

雾和霾对北京地区大气能见度影响对比分析

年10月8日—12月7日,在北京城区对ρ(BC)(BC为黑碳)、ρ(PM_2.5)、大气能见度和气象要素进行连续观测,利用该资料分析雾和霾对大气能见度下降的影响. 结果表明:观测期间大气能见度为0.6～26.7 km,其中40%以上的时间大气能见度不足5 km,ρ(PM_2.5)和ρ(BC)小时平均值最高分别达416.0和17.87 μg/m3. 大气能见度小于5 km且持续时间超过24 h的过程出现5次,过程1~5持续的时间分别为84、79、70、35和66 h. 过程1和2主要由霾导致,大气RH(相对湿度)小,持续时间长;过程3和5则均由雾引起,大气能见度平均值分别仅为1.70和1.99 km. 尽管过程4持续时间最短,但是由于存在低层逆温的大气层结,并且地面风速<1 m/s,导致颗粒物在水平和垂直方向的扩散均受到抑制,加之大气平均RH达到90.8%,形成雾霾复合影响,造成颗粒物污染程度超过其余4个过程,ρ(PM_2.5)和ρ(BC)平均值分别达到192.1和10.15 μg/m3.      

西安市夏、冬季大气能见度变化特征及影响因素

利用2009年7月和12月的气象资料(风速、温度和相对湿度)、空气污染物(PM2.5、SO2、NOx和O3)和能见度的监测数据,探讨了西安市夏冬两个季节大气能见度变化特征及其影响因素.结果表明,西安夏季能见度平均值为11.12±5.78km变化范围在2.99~26.99km;冬季能见度明显低于夏季,其平均值为8.31±...     

上海地区大气相对湿度与PM10浓度和大气能见度的相关性分析

以大气RH(相对湿度)为基准对上海2005─2009年大气质量和气象资料的日均观测资料进行了分类统计,分析了RH与ρ(PM10)、大气能见度的相关关系. 结果表明:在将RH以5%的间隔进行分段后,各区段ρ(PM10)平均值与RH平均值呈显著线性负相关,R(相关系数)达0.97;随着RH增大,大气能见度随ρ(PM10)变化率的绝对值增大;RH在75%以上时,增加相同的ρ(PM10)所导致的大气能见度下降量是RH在40%~45%时的5倍以上;RH小于75%时,大气能见度可较好地反映ρ(PM10)的变化,而RH大于75%时,大气能见度的降低主要反映PM10含水量的快速增加而并不指示ρ(PM10)的增加.      

基于Matlab的BP神经网络在大气污染物浓度预测中的应用

为了寻求有效控制和改善环境质量的相应措施,选用了英国伦敦Bloomsbury监测站的PM10小时平均浓度监测资料,采用“提前终止法”泛化改进的BP神经网络模型,预测PM1024 h内的小时平均浓度。结果表明：采用BP神经网络法对大气污染物浓度进行预测,预测相对误差在2%-48%之间,且绝大部分在2%-17%之间,预测精度较高,泛化能力较好,为大气污染物浓度预测提供了一种全新的思路和方法。     

我国6个典型城市大气能见度及其影响因素研究

采用线性相关性分析、分类变量分析等统计学方法,分析了巴彦淖尔、石家庄、廊坊、郑州、武汉、广州六市2019—2020年的PM_2.5与气象观测数据,研究了PM_2.5浓度与大气相对湿度对大气能见度的影响。结果表明：六市大气能见度年变化规律虽存在较大差异,但最低值均出现于每年12月—次年2月,且年变化规律基本一致;气象条件、相对湿度、PM_2.5浓度对能见度的影响明显,其中相对湿度通过改变PM_2.5物化性质间接影响能见度,与能见度相关程度相对较弱。PM_2.5浓度与能见度的线性相关性良好,以幂函数为主;整体上,相对湿度与PM_2.5浓度对大气能见度影响呈协同作用,相对湿度越大的城市对PM_2.5的控制要求越高。此外,PM_2.5浓度高于平台点时,大气能见度基本不随PM_2.5浓度增加而继续降低,只有PM_2.5浓度低于突变点时,大气能见度才会随PM_2.5浓度降低而显著提升,各市能见度突变点与平台期点所对应PM_2.5浓度差异较大。

     

天津市大气能见度与颗粒物污染的关系

利用天津市大气边界层观测站2009年能见度、相对湿度、风速逐时观测资料和2009年3月9~21日期间颗粒物的膜采样数据,分析天津市大气能见度与颗粒物污染的关系.结果表明,颗粒物质量浓度与能见度变化总体呈负相关,小粒径颗粒对能见度的影响作用明显,随着能见度的降低,小粒径颗粒与大粒径颗粒浓度的比值明显增加.能见度与颗粒物中总碳质量浓度变化呈负相关. SO42-,NO3-,OC和EC对大气消光贡献平均值分别为28.7%,6.1%,27.6%和19.2%.表明观测期间颗粒物中SO42-,OC对能见度的影响明显.     

运用能见度因子对大气稳定度参数的计算及和国标分类法的对比

分析了国际分类法的不足，引入能见度因子对大气稳定度参数进行计算，分别利用两种分类计算方法计算上海市市某气象站１９９６年逐时气象资料，再对比分析不同分类结果后，得出能见度因子对大气稳定度数的计算比国际分类法更接近实际情况。     

大气污染物浓度的投影寻踪自回归预测

环境污染预测是环境科学研究的重要课题之一。线性回归预测，时序预测和灰色ＧＭ预测是常用的大气污染预测方法，但始终未有摆脱“假定－模拟－预报”的模式束缚，难以适应非正态，非线性分布的客观内在规律，投影寻踪高新技术，对数据结构或特征不作任何假定，而是通过直接审视和分析数据，应用计算机软件程序设计，为时序分析开辟了一条“审视数据－模拟－预报”的数据分析新途径，该文采用投影寻踪自回归新技术，建立了大气污染物     

重庆市区雾害与能见度的变化分析

本文通过对重庆市区盛近50年雾频率变化和能见度变坏的观测事实.揭示了重庆市区由于城市规模的扩大,工业的发展和交通运输的急剧增长,使市区的大气能见度和天气品位出现了逐渐变坏的趋势.     

利用人工神经网络对空气中O3浓度进行预测

将人工神经网络应用于对空气中O3的浓度预测,提出了完整的预测模型,选取风速、风向、相对湿度、云量、平均气温、最高气温等6项气象因子作为输入量,经过两个月的预测实验,结果表明,实测值与预测值的平均相对误差为21.49%,相关系数为0.837.表明人工神经网络对O3的浓度预测是一种有效的工具.     

基于环境模式PM2.5的渤海及其西岸能见度预报技术优化研究

基于2019年12月1日—2020年11月30日渤海及其西岸地区能见度观测和数值模拟,研究了该区域海岸陆能见度演变特征及其预报方法,并通过引入PM_2.5浓度及建立相应的消光方程,提升该地区能见度预报准确率.结果表明：渤海及其西岸地区海岸陆能见度演变特征存在差异,就年平均能见度而言,海上（含港口）高于陆地,并且前者的能见度日变化较后者更趋平缓,低能见度（<3 km）天气陆地主要出现在0:00—8:00,海上（含港口）则全天均有可能出现,海上（含港口）0～500 m低能见度天气多于陆地,500～3000 m低能见度天气少于陆地.渤海及其西岸地区能见度预报需要考虑气溶胶消光的影响,欧洲数值模式（ECMWF）和天津气象台主观能见度预报产品,在该区域预报与实况的相关系数为0.2～0.3,相对误差为40%～50%.引入天津环境模式PM_2.5浓度预报,基于ECMWF相对湿度和环境模式液态水含量,通过消光方程可以较好地改进预报该区域能见度的效果,其产品陆地和港口能见度预报与实况的相关系数分别为在0.8和0.5以上,相对误差分别为20%和40%左右,小于...     

环境监测优化布点的人工神经网络模型

采用B－P算法的人工神经网络,对选定的标准样本进行训练,用训练结束后网络的稳定权值和阈值,并结合标准样本的网络输出,即可对环境监测样点进行优选。应用于大气环境监测优化布点的实例结果表明,人工神经网络用于环境监测优化布点是可行的     

BOD-DO耦合人工神经网络水质模拟的研究

将人工神经网络的理论和方法引入河流水质模型的建筑中，提出了BOD－DO耦合BP人工神经网络水质模型，应用长江干流重庆段的实测水质样本对模型进行训练与 检验表明：该模型用于水质模拟可行且精度较高，为河流水质模拟开辟了一条简便可行的新途径。     

人工神经网络模型在水质预警中的应用研究进展

水质预警模型是大数据时代构建环境智能决策与管理体系的关键技术.近年来,水质自动化监测能力的提升以及测管协同对环境模型的强烈需求,激发了研究人员探索新的建模方法并努力提高模型预测性能.其中,人工神经网络(Artificial Neural Network, ANN)模型发展迅速.本文综述了3大类ANN模型的发展历史和模型结构特点,梳理了ANN模型在水质数据软测量、数据异常检测和时间序列预测等方面的研究进展,归纳了一般建模流程、技术建议和常用的模型性能指标,发现ANN模型的应用依赖于监测数据质量,存在模型可解释性差、模型运行硬件资源要求较高等不足,提出未来水质预警模型的研发思路和重点,需要加快推进水环境监测技术与预警模型的协同发展和业务化应用,通过多种应用场景检验实现技术迭代,形成大数据驱动的水质在线监测-智能预警-应急管理支撑体系,助力我国环境治理能力现代化.     

基于神经网络集成的单个飞行事件噪声预测模型

通过分析影响单个飞行事件噪声的各种因素,构建了BP神经网络回归预测模型,并通过自适应遗传算法优选出参与集成的个体神经网络,提出了预测单个飞行事件噪声的神经网络集成预测模型.为了有效保证差异性,设置不同隐藏神经元个数和Bagging算法来构建和训练单个网络.实验结果表明,单个飞行事件噪声的神经网络集成预测模型相对单个BP神经网络模型泛化能力更强,稳定性能更好.本文方法在测试集上误差在3dB以内的平均比率为96.9%,比单个网络高6.8%.     

应用BP神经网络预测城市需水量的探析

在对辽宁省营口市城市需水量预测中，采用BP人工神经网络方法对该市人均综合用水量进行预测。进而预测出城市需水量，取得了满意效果。从精度检验、数据类比和趋势分析等角度，论证了此种预测方法的可行性和有效性。     

能见度参数化方案优化及在北京地区的应用评估

为了利用订正后PM_2.5浓度预报结果提高能见度预报准确性,根据不同相对湿度下能见度与PM_2.5浓度的相关关系,提出了一种改进的能见度参数化方案(S1)。为了评估该方案的预报性能,利用基于最优多模式集成方法预报的PM_2.5浓度对北京市2019-02-18—03-05污染过程的能见度进行预报,并对比评估了利用美国大气能见度观测项目建立的经验参数化方案(IMPROVE,S2)和基于神经网络(S3)的能见度预报效果。结果表明:基于多模式最优集成方法对PM_2.5浓度和WRF4.0模式对相对湿度的预报效果均较好,相关系数达0.90。3种方案都对选取时段能见度的变化趋势有较好的预报,其中S1方案相关系数最高(0.85),均方根误差最小,预报效果最好;S1方案较S2方案平均偏差降低3.6 km;S1方案较S3方案预报效果的提升主要是在能见度大于10 km的范围内。PM_2.5浓度预报效果对能见度预报效果的影响高于相对湿度,但在相对湿度大于70%的情况下,其预报效果对能见度预报效果的影响更大。     

基于神经网络的某型飞机的人-机-环境系统可靠性分析

提出了利用神经网络,对某型飞机人-机-环境系统的可靠性进行了分析的方法。该方法利用已有飞机本身的可靠性数据,综合考虑了飞机本身、环境条件影响、人为操作因素的影响。全面反映了各种因素共同作用下的系统可靠性,建模简单,对飞机系统可靠性分析具有现实意义。     

基于遗传算法与人工神经网络相结合的玉米估产研究

在遗传算法 (GeneticAlgorithm )与误差反传 (BackPropagation)网络结构模型相结合的基础上 ,设计了用遗传算法训练神经网络权重的新方法 ,并对吉林省梨树县的玉米进行了估产研究 ,同时与BP算法和灰色系统理论模型进行了比较。经检验 ,计算值与实际值接近 ,并优于灰色理论模型 ,具有良好的预测效果 ,从而为农作物估产提供了新方法