大气物理过程方案对PM2.5预报的敏感性试验

1

作者 李毅 张立凤 臧增亮 《气象科学》 北大核心 2020年第4期449-457,共9页

利用WRF-Chem大气化学模式,选择2015年12月中旬发生在我国的大范围空气污染过程,在采用同样化学方案条件下,针对模式中不同物理过程及其参数化方案开展了地面PM2.5预报的敏感性试验。结果表明:该模式能较好展示此次PM2.5污染的演变过程... 利用WRF-Chem大气化学模式,选择2015年12月中旬发生在我国的大范围空气污染过程,在采用同样化学方案条件下,针对模式中不同物理过程及其参数化方案开展了地面PM2.5预报的敏感性试验。结果表明:该模式能较好展示此次PM2.5污染的演变过程,与实况也较接近,但对青海经宁夏至内蒙的PM2.5高值区出现了漏报现象,这可能是模式外边界未对污染物做更新所致。对地面PM2.5的预报,各物理过程的敏感度不同,边界层(含近地面层)过程的影响要明显大于积云对流及微物理过程的影响,不同的参数化方案会造成不同的预报误差。边界层过程QNSE和与其配套的近地面层方案的组合是预报的较佳组合;而TEMF和与其配套的组合以及ACM2和Pleim-X的组合则不佳。合理的物理过程参数化方案有助于提高PM2.5预报质量。模式预报对排放源也有适应过程,其Spin-up时间较气象要素长。 展开更多

关键词 pm2.5预报 WRF-Chem模式 敏感性试验 物理过程 参数化方案

在线阅读 下载PDF 职称材料

基于集合经验模态分解和BP神经网络的北京市PM2.5预报研究 被引量：5

2

作者 任晓晨 邹思琳 +1 位作者 唐娴 韦骏 《北京大学学报（自然科学版）》 EI CAS CSCD 北大核心 2019年第4期615-625,共11页

利用集合经验模态分解算法(EEMD)和BP神经网络组成的混合模型,对北京城区PM2.5浓度值进行短期预报。结果表明,与单独使用BP神经网络模型相比,EEMD-BP混合模型的预报准确率更高;混合模型高频部分的预报误差是整体误差的主要方面;混合模... 利用集合经验模态分解算法(EEMD)和BP神经网络组成的混合模型,对北京城区PM2.5浓度值进行短期预报。结果表明,与单独使用BP神经网络模型相比,EEMD-BP混合模型的预报准确率更高;混合模型高频部分的预报误差是整体误差的主要方面;混合模型的输入变量中需包含输出变量的信息;前期污染物浓度的数值对模型的预报结果有较大的影响。 展开更多

关键词 集合经验模态分解算法(EEMD) BP神经网络 pm2.5预报

在线阅读 下载PDF 职称材料

基于改进GSI系统的气溶胶变分同化对WRF-Chem PM2.5分析和预报的影响评估 被引量：3

3

作者 陈杰 李正强 +5 位作者 常文渊 张莹 魏瑗瑗 谢一凇 葛邦宇 张驰 《大气与环境光学学报》 CAS CSCD 2020年第5期321-333,共13页

基于改进的三维变分同化系统对地面细颗粒物浓度(PM2.5)与卫星气溶胶光学厚度(AOD)进行同化,评估了同化分析场对PM2.5预报的改善效果。研究选定一次持续污染过程,分别对地面PM2.5和AOD观测数据进行各自单独同化和两者同时同化。结果表明... 基于改进的三维变分同化系统对地面细颗粒物浓度(PM2.5)与卫星气溶胶光学厚度(AOD)进行同化,评估了同化分析场对PM2.5预报的改善效果。研究选定一次持续污染过程,分别对地面PM2.5和AOD观测数据进行各自单独同化和两者同时同化。结果表明,相比于单独同化PM2.5,单独同化AOD对AOD分析场的精度提升更为有效,但对PM2.5分析场的准确性显著降低。而同时同化PM2.5与AOD观测时,分析场对气溶胶的光学-物理特性模拟达到最好的综合效果。同化试验可有效降低模式漏报率,对于中轻度污染情况,同化数据的选择对预报影响并不显著;然而重度污染时,同时同化近地面PM2.5和整层AOD的综合预报效果最优。 展开更多

关键词 同化 pm2.5预报 气溶胶光学厚度 GSI

在线阅读 下载PDF 职称材料

气象参数对基于BP神经网络的PM_(2.5)日均值预报模型的影响 被引量：6

4

作者 姚达文 刘永红 +3 位作者 丁卉 黄晶 詹鹃铭 徐伟嘉 《安全与环境学报》 CAS CSCD 北大核心 2015年第6期324-328,共5页

建立了基于BP神经网络的PM_(2.5)质量浓度预报模型,对广州市5个监测点2012年6月—2013年5月的PM_(2.5)质量浓度日均值进行预报,分析了总体预报误差、不同风速和降雨量下的预报误差,以及天气预报误差对PM_(2.5)质量浓度预报误差的影响。... 建立了基于BP神经网络的PM_(2.5)质量浓度预报模型,对广州市5个监测点2012年6月—2013年5月的PM_(2.5)质量浓度日均值进行预报,分析了总体预报误差、不同风速和降雨量下的预报误差,以及天气预报误差对PM_(2.5)质量浓度预报误差的影响。结果表明,BP神经网络模型对5个站点的PM_(2.5)预报结果稳定,平均相对误差为29.71%。在有利于PM_(2.5)扩散的气象条件下预报误差较大,风速较大时与风速较小时预报误差的差异高达15%,而不同降雨量情况下的预报误差较相近。修正天气预报后,各站点的预报误差平均降低了4.67%。这表明可从空气质量数据质量等方面入手改进模型。 展开更多

关键词 环境学 pm2.5日均值预报 BP神经网络 气象参数 预报误差

在线阅读 下载PDF 职称材料

时间精度与空间信息对神经网络模型预报PM2.5浓度的影响 被引量：6

5

作者 邹思琳 任晓晨 +1 位作者 王成功 韦骏 《北京大学学报（自然科学版）》 EI CAS CSCD 北大核心 2020年第3期417-426,共10页

以北京市为例,利用2015-2018年空气质量监测站台资料,通过BP神经网络、LSTM网络及CNNLSTM混合模型等多种模型,分析时间精度和空间信息对PM2.5浓度预报的影响。结果表明,神经网络模型的效果普遍比多元线性回归模型好;增加输入数据的时间... 以北京市为例,利用2015-2018年空气质量监测站台资料,通过BP神经网络、LSTM网络及CNNLSTM混合模型等多种模型,分析时间精度和空间信息对PM2.5浓度预报的影响。结果表明,神经网络模型的效果普遍比多元线性回归模型好;增加输入数据的时间精度能显著地提高PM2.5浓度日均值预报的准确率;当输入数据的时间精度从一天提高到6小时后,LSTM模型的平均绝对误差从27.39μg/m^3降至20.59μg/m^3,这种效果的提升在显著变好和显著变差的天气情况下更明显;华北地区PM2.5浓度分布有明显的时空特征,第一空间模态为同增同减,第二空间模态为南北反向;北京市PM2.5浓度与内蒙古、河北及天津等地区前一天的PM2.5相关。利用CNN-LSTM混合模型学习华北地区PM2.5的时空信息,能进一步提高北京市PM2.5浓度的预报水平,使得误差降低至17.36μg/m^3。 展开更多

关键词 神经网络 pm2.5预报 时间精度 空间特征

在线阅读 下载PDF 职称材料

融机器学习与WRF大气模式的PM2.5预报方法 被引量：13

6

作者 侯俊雄 李琦 +2 位作者 朱亚杰 冯逍 林绍福 《测绘科学》 CSCD 北大核心 2018年第2期114-120,141,共8页

针对当前我国重污染天气实时的空气质量预报问题,该文提出了一种融合随机森林算法与WRF大气模式的PM2.5浓度实时预报方法。该方法结合了北京市地面空气质量监测数据和WRF气象数据进行分析,将高层大气状态(如逆温层高度等)融入了预报模型... 针对当前我国重污染天气实时的空气质量预报问题,该文提出了一种融合随机森林算法与WRF大气模式的PM2.5浓度实时预报方法。该方法结合了北京市地面空气质量监测数据和WRF气象数据进行分析,将高层大气状态(如逆温层高度等)融入了预报模型中,建立了0~72h的PM2.5浓度实时预报模型。实验证明,该模型能够对0~72h单站点的PM2.5浓度进行较高精度的实时预报,且在24~72h的长时预报结果上较基于地面空气污染物数据与地表气象站数据的预报方法精度有明显提升,即该方法可以更好地模拟大气物理化学状态,从而更为精准地进行长时PM2.5浓度预报。 展开更多

关键词 pm2.5实时预报 WRF大气模式 随机森林 空气质量

原文传递

合肥市冬季PM2.5统计预报方法初试与比较研究 被引量：3

7

作者 朱苹 王成刚 +2 位作者 冯妍 张红 苏筱倩 《环境科学与技术》 CAS CSCD 北大核心 2019年第12期81-89,共9页

利用合肥市2015-2018年冬季PM2.5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... 利用合肥市2015-2018年冬季PM2.5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PM2.5浓度进行逐6 h预报。结果表明,所建模型(TA-BP方案)中对PM2.5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PM2.5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。 展开更多

关键词 BP神经网络 pm2.5浓度预报 阈值分析 统计模型

在线阅读 下载PDF 职称材料

气象预报模式参数化方案对重污染过程PM2.5浓度预报效果的影响 被引量：7

8

作者 韩丽娜 唐晓 +7 位作者 陈科艺 周慧 孔磊 张佩文 黄树元 吴倩 曹凯 王自发 《气候与环境研究》 CSCD 北大核心 2021年第3期312-322,共11页

针对北京市2016年12月16~21日的重污染过程,基于嵌套网格空气质量模式预报系统(NAQPMS),面向气象驱动模式WRF中7类物理过程的参数化方案,通过单扰动和组合扰动方式构建了51组不同的WRF模式运行配置,对比分析不同方案配置下NAQPMS对这次... 针对北京市2016年12月16~21日的重污染过程,基于嵌套网格空气质量模式预报系统(NAQPMS),面向气象驱动模式WRF中7类物理过程的参数化方案,通过单扰动和组合扰动方式构建了51组不同的WRF模式运行配置,对比分析不同方案配置下NAQPMS对这次重污染过程细颗粒物(PM2.5)浓度预报的性能。结果表明:在重污染时段,组合扰动优化方案在城中心站点和城郊站点的PM2.5浓度预报精度都显著高于基准参数化方案配置下的预报结果,特别是能显著改进基准方案下模式对重污染过程结束时间的预报误差问题,显著减小12月21日存在的预报偏差。从统计指标来看,城中心站点在组合扰动优化方案下预报相关性最高,相关系数在0.7以上;从预报均方根误差来看,组合扰动优化方案误差最小。城郊站点同样是在组合扰动优化方案下预报相关性最高,与观测之间的偏差更小。从污染物与气象要素的空间分布来看,组合扰动优化方案比基准方案能更好再现污染时段的气象要素变化,预报的风速更小、相对湿度更高,从而有利于12月21日北京高浓度PM2.5的维持和累积。本文结果表明气象预报模式参数化方案不确定性是重污染预报的关键不确定性来源,选择合适的参数化方案可以减小重污染期间气象要素的模拟偏差,并可进一步提高重污染时段的PM2.5浓度预报精度。 展开更多

关键词 细颗粒物(pm2.5)浓度预报 气象参数化方案优选 大气重污染过程 北京

在线阅读 下载PDF 职称材料

一种最优多模式集成方法在我国重污染区域PM2.5浓度预报中的应用 被引量：10

9

作者 张天航 王继康 +5 位作者 张恒德 张碧辉 吕梦瑶 江琪 迟茜元 栾天 《环境工程技术学报》 CAS 2019年第5期520-530,共11页

为了提高我国重污染区域PM2.5浓度预报准确率,基于4套国家级以及区域环境气象业务中心发展和维护的空气质量数值预报模式,通过均值集成、权重集成、多元线性回归集成和BP-ANNs集成分别建立集成预报,在实时预报效果评估基础上,建立了最... 为了提高我国重污染区域PM2.5浓度预报准确率,基于4套国家级以及区域环境气象业务中心发展和维护的空气质量数值预报模式,通过均值集成、权重集成、多元线性回归集成和BP-ANNs集成分别建立集成预报,在实时预报效果评估基础上,建立了最优多模式集成预报。对2015—2016年预报效果进行评估,结果表明:相对于单个空气质量数值预报模式,均值和权重集成对预报偏差的改进幅度有限,但多元线性回归、BP-ANNs和最优集成能较大幅度降低预报偏差;最优集成预报与观测值间的归一化平均偏差(NMB)和均方根误差(RMSE)分别为-10%~10%和10~70μg/m^3,且在更多的站点表现出强相关性,但依然低估了高污染等级的PM2.5浓度。对2018年2月25日—3月4日京津冀地区污染过程进行评估,结果表明:最优集成能较好预报出该过程中PM2.5浓度的变化趋势和量级;在北京、石家庄和郑州3个代表城市中,预报和观测值间的NMB和相关系数(R)分别为-26%^-4%和0.49~0.77;最优集成对轻度污染及中度污染的TS评分为0.39~0.73,重度污染及以上TS评分为0.13~0.30,能为预报员提供客观参考,但对污染峰值的预报能力还需进一步改进。 展开更多

关键词 BP-ANNs 多模式集成 最优集成 pm2.5浓度预报

在线阅读 下载PDF 职称材料

气流后向轨迹和门限重复单元的PM2.5预报 被引量：1

10

作者 梁世文 李琦 +1 位作者 侯俊雄 冯逍 《测绘科学》 CSCD 北大核心 2020年第3期87-94,共8页

针对目前我国实时的空气质量预报不适合重污染天气的问题,该文提出了一种基于气流后向轨迹模型和门限重复单元神经网络的PM2.5浓度预报方法。该方法通过气流后向轨迹模型将区域异地传输效应进行量化,从而为待预报站点提供额外的区域传... 针对目前我国实时的空气质量预报不适合重污染天气的问题,该文提出了一种基于气流后向轨迹模型和门限重复单元神经网络的PM2.5浓度预报方法。该方法通过气流后向轨迹模型将区域异地传输效应进行量化,从而为待预报站点提供额外的区域传输预后因子(预后因子即是对未来情况的预估),将待预报站点区域传输预后因子和气象因子加入预报模型,利用GRU模型模拟区域PM2.5浓度的时序连续变化特征,建立1~72 h的PM2.5浓度实时预报模型。实验结果表明,区域传输预后因子的加入,能够很好地量化其他站点对于待预报站点的PM2.5浓度预报影响,提高PM2.5预报模型整体预报精度。 展开更多

关键词 pm2.5实时预报 气流轨迹 门限重复单元 深度学习

原文传递

深度学习方法在上海市PM2.5浓度预报中的应用 被引量：10

11

作者 马井会 曹钰 +2 位作者 余钟奇 瞿元昊 许建明 《中国环境科学》 EI CAS CSCD 北大核心 2020年第2期530-538,共9页

为提升PM2.5浓度预报能力,尤其是对PM2.5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、PM2.5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... 为提升PM2.5浓度预报能力,尤其是对PM2.5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、PM2.5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PM2.5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PM2.5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PM2.5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PM2.5浓度预报修正模型能够有效提升预报精度. 展开更多

关键词 Sequence to sequence模型 pm2.5浓度预报 WRF-Chem 上海市

在线阅读 下载PDF 职称材料

基于支持向量回归的PM_(2.5)浓度实时预报 被引量：18

12

作者 朱亚杰 李琦 +2 位作者 侯俊雄 冯逍 范竣翔 《测绘科学》 CSCD 北大核心 2016年第1期12-17,22,共7页

为了研究适合于我国当前重污染天气的实时空气质量预报模型,论文利用支持向量回归方法对北京市地面空气质量监测数据和气象数据进行分析,构建了基于支持向量回归的PM2.5浓度实时预报模型。实验表明,该方法能够对未来6日内的日均PM2.5浓... 为了研究适合于我国当前重污染天气的实时空气质量预报模型,论文利用支持向量回归方法对北京市地面空气质量监测数据和气象数据进行分析,构建了基于支持向量回归的PM2.5浓度实时预报模型。实验表明,该方法能够对未来6日内的日均PM2.5浓度以及未来0~72h内的小时级PM2.5浓度进行预报,且模型训练过程和预报过程都耗时很短,适用于建立PM2.5浓度实时预报系统。 展开更多

关键词 支持向量回归 空气质量 pm2.5浓度预报

原文传递

方位聚散因子及其在PM2.5浓度预报中的应用

13

作者 蔺旭东 耿世刚 +4 位作者 单磊敬 付献斌 刘佳 王春迎 郝龙腾 《环境科学学报》 CAS CSCD 北大核心 2019年第11期3692-3701,共10页

污染物浓度预报是应对大气污染问题的重要手段.现有的模式类预报方法受限于排放源清单的准确性,而在污染物排放源短期少变的条件下,基于气象要素的统计类预报方法是一种更具实用性的方法.但现有统计类预报方法的计算模型输入量缺乏对气... 污染物浓度预报是应对大气污染问题的重要手段.现有的模式类预报方法受限于排放源清单的准确性,而在污染物排放源短期少变的条件下,基于气象要素的统计类预报方法是一种更具实用性的方法.但现有统计类预报方法的计算模型输入量缺乏对气象要素累积效应的表征,以及对气象因素影响大气污染物聚散过程的表征,严重影响了预报的精度.为此,本文提出了一种着眼于改善计算模型输入量的统计类PM2.5浓度预报方法.该方法采用方位聚散因子作为计算模型输入量,既可表征出PM2.5累积与消散的过程,又考虑了气象要素在一定时段内的累积效应,为提高预报精度奠定了良好的基础.同时,通过BP神经网络训练,本方法在方位聚散因子与PM2.5浓度值之间建立起关联模型,从而完成对PM2.5浓度值的准确预报. 展开更多

关键词 pm2.5预报 京津冀 气象要素 方位聚散因子 BP神经网络

原文传递

基于随机森林的PM2.5实时预报系统 被引量：32

14

作者 侯俊雄 李琦 +2 位作者 朱亚杰 冯逍 毛曦 《测绘科学》 CSCD 北大核心 2017年第1期1-6,共6页

针对我国当前重污染天气PM2.5浓度的实时预报问题,该文提出了一种基于随机森林算法的PM2.5浓度实时预报方法,并利用此方法对北京市地面空气质量监测数据和气象数据进行分析,建立了基于随机森林算法的PM2.5浓度实时预报模型。实验证明,... 针对我国当前重污染天气PM2.5浓度的实时预报问题,该文提出了一种基于随机森林算法的PM2.5浓度实时预报方法,并利用此方法对北京市地面空气质量监测数据和气象数据进行分析,建立了基于随机森林算法的PM2.5浓度实时预报模型。实验证明,该模型能够对72h内PM2.5浓度进行较高精度的实时预报,通过使用Spark分布式计算框架,能够有效降低算法耗时,文章基于此模型与Spark分布式计算框架建立了PM2.5实时预报系统。 展开更多

关键词 pm2.5实时预报 分布式计算 随机森林 空气质量 SPARK

原文传递

门限重复单元的PM2.5浓度预报方法 被引量：3

15

作者 侯俊雄 李琦 +2 位作者 林绍福 冯逍 朱亚杰 《测绘科学》 CSCD 北大核心 2018年第7期79-86,共8页

针对当前我国重污染天气实时的空气质量预报问题,该文提出了一种基于长短期记忆神经网络的PM2.5浓度实时预报方法。此方法结合了北京市地面空气质量监测数据、天气预报模式的气象预报数据及东亚地区污染物排放清单进行分析,在将高层大... 针对当前我国重污染天气实时的空气质量预报问题,该文提出了一种基于长短期记忆神经网络的PM2.5浓度实时预报方法。此方法结合了北京市地面空气质量监测数据、天气预报模式的气象预报数据及东亚地区污染物排放清单进行分析,在将高层大气状态及排放状况融入了预报模型的同时,利用LSTM模型模拟区域PM2.5浓度的时序连续变化特征,建立了0~72h的区域PM2.5浓度实时预报模型。实验证明,该方法可以有效表征大气污染物变化的时序特征,从而进行更为精准的长时PM2.5浓度预报。同时,使用门限重复单元作为LSTM神经网络的核心,在保障模型精度的同时,进一步减少了模型训练时间,提高了模型的计算效率。 展开更多

关键词 pm2.5实时预报 门限重复单元 WRF 深度学习

原文传递