深度学习方法在上海市PM2.5浓度预报中的应用

为提升PM_2.5浓度预报能力,尤其是对PM_2.5重污染的预报能力,以中尺度气象-化学耦合模式系统（WRF-Chem）为基础,结合中尺度WRF气象预报数据、地面及高空气象观测数据、PM_2.5浓度观测数据,基于人工智能深度学习序列到序列的算法建立了上海市PM_2.5统计预报模型.结果表明,人工智能深度学习算法（Seq2seq）明显修正了WRF-Chem模式由于模型非客观性造成的偏差,提高了上海市PM_2.5浓度的预报能力;该算法优化和修正了WRF-Chem模式结果,并通过检验发现可以使PM_2.5浓度预报值与实况值间的相关系数由0.51上升至0.79,均方根误差由25.9μg/m³下降至15.01μg/m³.而单独使用套索法（Lasso）线性回归算法对WRF-Chem模式优化效果不理想.基于Seq2seq的PM_2.5浓度预报修正模型能够有效提升预报精度.     

大气红外辐射超高光谱探测仪临边探测—污染气体的反演精度和光谱通道评估

利用RFM模式,模拟计算了在研仪器—大气红外辐射超高光谱探测仪的临边探测模式下大气污染气体体积混合比的权重函数.结合仪器的可探测亮温阈值（0.3 K）,利用权重函数线性化方法,计算并分析了6种大气状态下,气体混合比廓线在不同反演精度条件下可获得的光谱通道数随切点高度的变化,并给出了可用光谱通道在不同切点高度的位置.结果表明,随着相对反演精度的降低,可用光谱通道数量增加,除热带大气外,其它5种大气在10%臭氧反演精度和5%甲烷反演精度条件下有足够的通道,可用于反演4.6 km以上的混合比廓线.CO在15%反演精度条件下,6种大气均能获得反演6.9 km以上廓线的光谱通道.近地面切点高度反演比较困难,很难获得较高的反演精度.可用光谱通道位置与气体吸收线位置特别是峰值区域一致,也与气体模拟亮温高值区一致.     

典型区土壤重金属空间插值方法与污染评价

选择最优的空间插值方法对土壤重金属空间分布特征的反映和污染评价具有重要的意义.以湖北省恩施市典型区表层土壤重金属As和Cd为例,选取常用的反距离权重法(IDW)、径向基函数法(RBF)、局部多项式法(LPI)和普通克里格法(OK)进行空间插值,对比分析了不同插值方法的插值精度及结果差异.同时采用地累积指数和指示克里格法(IK)评价了土壤重金属污染状况.结果表明,不同插值方法对于同一种元素的预测误差相差较小,但对土壤重金属含量的空间分布特征存在明显差异,其中LPI法表现出明显的平滑效应,OK法次之,而IDW法和RBF法极大地保留了元素含量的极值信息,插值结果较详尽.为准确了解局部高背景区土壤重金属的空间分布状况,应优选IDW法或RBF法进行插值.以湖北省深层土壤重金属含量算术均值作为背景值,地累积指数污染评价结果显示:As和Cd的超标样点分别占5.5%和99.0%,研究区Cd污染程度较高.IK法污染评价显示:Cd中度-强污染以上的高概率污染区域主要位于研究区的中部,应重视土壤Cd污染分布,并对其有效治理与修复.     

惯性系统飞行试验精度检验方法

目的针对传统工具误差分离方法得到的分离结果不够准确可信的问题,提出了一种利用等效误差实现对惯性系统精度判定的方法。方法首先基于主成分分析,定义等效误差,等效误差具有独立、无偏的性质。然后提出基于等效误差的假设检验判断惯性系统精度是否合格的方法。结果算例表明采用该方法可以实现惯性系统精度的可信判断。结论该方法解决了以往方法误差大,分析结论可信度不高的问题。     

基于BP神经网络的污染物浓度多模式集成预报

基于中国气象局雾-霾数值预报系统CUACE、北京区域环境气象数值预报系统BREMPS和华东区域大气环境数值预报系统WRF-Chem三个环境气象模式预报产品,利用BP神经网络方法建立多模式集成预报模型.首先通过实验得到BP神经网络的训练函数、隐含层节点数和训练样本长度分别为贝叶斯归一化训练函数trainbr、10和50.随后选取北京、天津和石家庄站点的预报结果检验该模型的预报性能.结果表明：（1）相对于单模式,BP神经网络集成预报的3~72h逐3h污染物浓度和观测之间的归一化平均偏差从-100%~200%降低到-20%~20%,污染物浓度和观测的均方根误差比各单模式降低15%以上,相关系数从0.1~0.8提升到0.3~0.85之间,说明其预报结果优于各单模式.（2）2016年AQI等级评估表明,集成模型预报的北京轻度和中度污染的TS评分分别比CUACE提高22%和10%,在天津重度污染的空报率和漏报率分别降低31%和25%.（3）2016年12月份的重污染过程评估发现,集成模型预报的PM_2.5浓度的演变趋势和实况基本相符.     

煤自燃特性及自然发火预测预报指标体系研究

以梁宝寺矿3号煤层为背景,采用色谱吸氧法和氧化动力法对其自燃倾向性进行了对比分析。同时,通过煤氧化升温热解实验对其升温过程中各气体随温度的变化规律进行了分析,以实验所得和灰色关联分析所得定性和定量相结合的方式,优选出了不同温度阶段煤自然发火预测预报所对应的第一、第二和第三预测指标,建立了煤自然发火预测预报体系,为有效抑制该矿及同类矿井火灾的发生具有重要意义。     

基于小波分解和ARMA模型的空气污染预报研究

细颗粒物PM2.5为首要污染物的空气污染严重影响了公众健康,对空气污染进行有效预报具有十分重要的意义。而目前常用的空气污染物浓度预报方法在短时事件和意外事件预测方面存在不足。利用小波多尺度分析方法改进ARMA预测模型,并将其应用于短时空气污染物浓度预测。改进模型通过小波分解方法将时间序列分解为一个近似序列和多个细节序列,分别采用ARMA模型进行预测,然后将各序列预测结果进行重构,得到最终预测结果。以天津市2014年PM2.5浓度数据为例,分别采用ARMA模型、支持向量回归(SVR)模型、人工神经网络(ANN)模型以及基于小波多尺度分解改进的SVR模型和基于小波多尺度分解改进的ARMA模型进行了对比分析。结果表明:1)小波多尺度分解能够显著提高SVR模型和ARMA模型预报精度;2)ARMA、SVR、ANN等传统模型在重污染情况下预报精度显著下降,而小波分解改进策略能够较好地解决这个问题;3)基于小波多尺度分解改进的ARMA模型预报精度较高,是城市污染物浓度预报的有效手段。     

煤的低温氧化及指标气体实验研究

本文主要利用自制研发的煤自燃特性测试系统,通过程序升温加热的方法,分析了桃园煤矿10煤和8煤在不同温度环境下氧化的气体组分及其浓度分布,以此来分析煤在低温条件下的氧化规律,并综合分析判定煤自然发火标志气体。实验结果表明,随着煤温的升高,煤的氧化速度越来越快,煤氧化速度的拐点温度为100℃~120℃;10煤出现C_2H_4和C_2H_6的温度均在80℃~100℃,而8煤在35℃~40℃下就有C_2H_6生成,但出现C_2H_4的温度高达150℃;10煤以CO为主标志气体,以C_2H_4、C_2H_6、C_3H_8作为辅助指标气体;8煤以CO、C_2H_6为主标志气体,以C_2H_4、C_3H_8作为辅助指标气体。     

子汇水区划分精度对SWMM模拟城市非点源的影响

SWMM作为动态模拟的城市非点源污染模型,被广泛应用于城市非点源负荷估算研究,并在很多小尺度研究中取得了很好的效果。随着中国城市发展不断加快,城市非点源污染研究的空间尺度也随之变大,如何科学合理选择建模时子汇水区划分精度成为研究中一个重要问题。文章主要分析SWMM应用于城市区域非点源污染模拟时,不同子汇水区划分精度对水质模拟结果的影响,并在此基础上,以降低SWMM建模工作量并保证模拟结果的准确度为原则,对如何选择子汇水区的精度进行了深入的探讨。结果表明事件降雨为降雨输入时,子汇水区划分精度对水质模拟结果影响较大,宜采用高精度或高中精度模型;单月份和雨季连续降雨为降雨输入时,子汇水区划分精度对水质模拟结果影响较小,可以使用低精度模型。