福州市城市空气质量预报方法研究

本文对福州市城市空气质量预报系统进行了介绍,运用统计学方法,建立统计预报模式.结果表明运用统计模式开展城市空气质量预报是可行的.     

福州市城市空气质量预报方法研究

本文对福州市城市空气质量预报系统进行了介绍,运用统计学方法,建立统计预报模式。结果表明运用统计模式开展城市空气质量预报是可行的。     

南昌市氮氧化物预报模型研究

空气中的氮氧化物(NOx)是发达国家和我国大中城市的主要污染物之一，对人体健康和生态环境造成严重危害，NOx已列入空气质量预报项目。本研究以南昌市为对象，针对NOx的污染特点，按点源、面源和线源采用综合模式建立了南昌市NOx污染预报模型，开发了预报系统软件，模拟精度和预报精度分别达到了51％和60％以上，符合预报要求，为南昌市NOx预报提供了科学的方法和手段，对我国其它大中城市开展NOx预报具有参考价值。     

城市空气质量数值预报的不确定性与可预报性

主要综述了数据误差、随机误差和模式物理误差所造成的城市空气质量数值预报的不确定性,简要介绍分析预报不确定性的统计方法。并对由内在随机性和外在误差引起的可预报性问题进行了分析讨论。     

基于API法的运城市空气质量评估及整治对策

根据山西省环境监测中心站提供的每日空气质量预报,对运城市的空气质量进行了评价,探讨了改善运城市空气质量的对策.     

基于长短期记忆神经网络模型的空气质量预测

随着城市化和工业化的快速发展,空气污染问题日益突出,空气质量预测显得尤为重要。当前一些有代表性的研究对空气质量进行实时监测和预报,例如周广强等采用数值预报的方法对中国东部地区的空气质量进行分析,但其实验结果表明该方法难以预测非常重的污染;SANKAR等使用多元线性回归对空气质量进行预测,但其实验结果表明线性模型预测精度低、效率慢;PéREZ等使用统计方法对空气质量进行预测,实验结果证明统计方法的预测精度比较低;WANG等采用改进的BP神经网络建立了空气质量指数的预测模型,其实验验证了BP神经网络收敛速度慢、容易陷入局部最优解的问题;YANG等利用相邻网格的空气质量浓度效应,建立了基于随机森林的PM_(2.5)浓度预测模型,通过实验过程证明网格划分程序削弱了后续空气质量分析的质量和效率。这些方法都难以从时间角度建模,其中预测精度低是比较重要的问题。因为预测精度低可能会导致空气质量预测结果出现较大的误差。针对空气质量研究中预测精度低的问题,提出了基于长短期记忆单元(long short-term memory,LSTM)的神经网络模型。该模型使用MAPE,RMSE,R,IA和MAE等指标来检测LSTM神经网络与对比模型的预测性能。由于Delhi和Houston是空气污染程度比较严重的城市,所以使用的实验数据集来自Delhi的Punjabi Bagh监测站2014—2016年的空气质量数据和Houston的Harris County监测站2010—2016年的空气质量数据。LSTM神经网络与多元线性回归和回归模型(SVR)的比较结果表明,LSTM神经网络适应多个变量或多输入的时间序列预测问题,LSTM神经网络具有预测精度高、速度快和较强的鲁棒性等优点。     

基于随机森林回归和气象参数的城市空气质量预测模型——以重庆市为例

为有效进行城市空气质量预测、推进城市空气污染防治,弥补传统统计学模型在大数据时代背景下对城市空气质量预测准确率低、容错能力差等问题,提出利用随机森林回归构建城市空气质量预测模型;综合考量污染物浓度、气象参数、时间参数等多方面影响因素,通过网格搜索法调整参数的最优组合,构建基于随机森林回归算法的城市空气质量预测模型;基于重庆市2017-01-01—2020-07-31的指标数据,对重庆市空气质量进行预测分析,结果表明:在模型下训练集与测试集的确定性系数R~2均在99%以上,均方误差D_(MSE)和平均绝对误差D_(MAE)在训练集和测试集上的取值均在可接受范围内,证实模型具有运行速度快、预测误差小、具有较高的预测精度等优点,具备较好的学习能力与泛化能力。     

嵌套网格空气质量预报系统及其在沈阳地区的初步应用

嵌套网格空气质量预报系统作为中国第三代区域多尺度空气质量模型,充分借鉴吸收了国际上成熟的天气预报模式、空气污染数值预报模式的优点,并体现了中国各区域、城市的地理、地形环境、污染源的排放等特点.模型能够在沈阳市很好的应用,并模拟出冬季重污染个例和夏季的轻污染个例,SO2的模拟效果略好,PM10的模拟结果偏低.造成偏低的原因主要有三个方面:污染源数据、污染物比例和模式内部参数.     

中国当前城市空气综合质量的主要影响因素分析

基于2010年我国78个主要城市的5个空气质量指标数据, 利用主成分分析方法, 计算城市空气质量综合得分; 采用多元线性回归方法, 从气候、地形、城市发展和城市环境状况四方面的48个变量中筛选出与城市空气质量显著相关的10个, 并定量评价不同因子对城市空气质量的贡献。依据空气质量综合得分, 从78个城市中分层随机选取30个城市作为训练样本, 构建基于径向基函数(RBF)的人工神经网络模型。利用城市自然、社会、经济特征及环境管理现状模拟城市空气质量, 并应用于我国173个主要城市空气质量状况的模拟。结果表明, 年平均饱和水气压、城市建成区面积、城区海拔落差和第二产业占GDP的百分比是影响中国当前城市空气综合质量的主要因素, 分别可以解释城市空气质量变异性的14.7%, 12.8%, 8.8%和7.2%。研究结果突破了以往大部分空气质量评价模型仅以大气污染物和气象因子作为模型输入因子的局限, RBF人工神经网络模型的模拟结果准确性较高(R²=0.658, p<2.2×10^-14)。     

上海市城区空气质量现状与分析--兼论对空气质量日(周)报数据的利用

利用《中国重点城市空气质量日报》和《上海市空气质量周报》的数据分析了上海市城区空气质量状况并与中国其他大城市进行比较,结果表明：①上海市城区空气质量现状良好,在中国大城市中处于中等偏上水平;首要污染物为可吸收颗粒物;空气质量每年6-10月较好,11月至次年1月较差;4年来在逐渐好转;②中国沿海地区城市空气质量普遍优于北部内陆城市。③空气质量日（周）报是研究城区大气污染的有效数据源。     

城市空气质量周报中的动态加权评价数学模型

针对城市空气质量周报中的评价工作进行了研究，提出一种动态加权数学模型，并且与其它评价模型在环境质量周报中的作用进行了比较，证明了该模型的优越性和实用性。     

城市森林结构对空气负离子水平的影响

选择在吉林市具有代表性的城市森林类型作为研究对象，对不同结构类型城市森林中的空气正负离子浓度进行了测定，并对观测数据进行方差分析。结果表明，不同结构城市森林空气负离子水平差异极显，以乔灌草结构的复层林中空气负离子水平最高，空气质量最佳，空气清洁度等级最高，而草坪的各项指标最低，说明高大乔木对提高空气质量起到主导作用。     

PROMETHEE方法在城市环境空气质量评价中的应用

针对国内各大城市环境空气质量污染状况的差异性和复杂性,许多评价方法在对其进行质量评价时不能显示较强的优越性,尤其不能方便快捷地对其数据进行处理等问题,采用PROMETHEE法并结合国家空气质量评级标准对样本城市的空气质量进行了综合评价.引入信息熵的理论来计算各评价指标的权重以避免权重确定的主观性,在此基础上建立的基于熵权的PROMETHEE法大气质量评价模型所得到的评价结果不仅符合实际情况,而且使得数据处理的计算过程变得简单.研究结果显示了所建模型及其方法的可靠性和适用性.     

基于多元回归分析的STM32空气质量监测系统设计与开发

以鞍山市空气环境资料为基础,用统计软件SPSS分析了空气质量指数与PM2.5,PM10,SO2,NO2,CO以及O3的相关性,选取相关性最显著的因素建立多元回归模型,并以此为基础设计并开发出基于STM32处理器的具有温湿度和紫外线测量及空气质量指数预报的空气质量监测系统。测试结果显示,测量及预报值与实际值相符合。     

基于Visual Basic的空气质量臭氧预报软件开发与研究

厦门市环境监测中心站在开展厦门市空气质量臭氧预报和评估系统的研究之后,得出了厦门地区臭氧浓度随四季及气象条件变化的规律,并构建了厦门地区臭氧预报模型,该理论经过《中国环境监测》专家的审查,已录用。秉承理论指导实际的方针,并在实际工作中对理论工作进行有效鉴定,厦门市环境监测中心站运     

闽江七里街流域洪水实时预报修正方法研究

根据闽江七里街流域水文实测资料信息,利用新安江三水源模型对该流域实时洪水预报进行了研究,分别采用自回归模型和自适应洪水修正方法对预报洪水过程进行了实时修正.分析结果表明,对预报洪水过程进行实时修正,能大大提高预报精度,采用自适应洪水修正方法具有较强的实时跟踪系统动态变化的能力,其修正效果优于自回归模型.     

基于时间序列的京津冀地区城市与西北地区兰州市空气污染特征比较

利用SPSS 19.0计算京津冀地区城市北京、天津、石家庄、保定和唐山城市间API日均值(2011年2月11日-2012年12月30日)的Pearson相关系数,据各城市间的Pearson相关系数与各城市间的直线距离,对城市间API值与城市间距离的相关性进行了研究;此外,对2003-2012年间京津冀地区城市北京、天津、石家庄和西北地区兰州的空气质量级别和首要污染物的出现频率进行了统计分析,利用该频率比较研究了京津冀城市北京、天津、石家庄和西北兰州的空气质量状况;最后对北京、天津、石家庄和兰州市2003-2012年间的API月均值建立适合的SARIMA模型,利用模型预测4个城市2013-2014年的API月均值,并对比2013-2014年京津冀地区的北京、天津、石家庄与西北地区兰州空气质量的特点.结果表明:城市间API的相关系数与城市间距离呈正相关,京津冀区域内城市间的空气质量的治理应当采取城市间的联合防控进行治理;此外,兰州的空气质量在2003-2012年间的优良天数要低于北京、天津和石家庄,并且在该时段内4个城市的空气质量均趋于好转.SARIMA模型对北京、天津、石家庄和兰州2013-2014年间的API月均值的预测表明在此时间内兰州夏秋季节的空气质量好于北京、天津和石家庄,但在冬春季节差于这3个城市;此外北京、兰州的空气质量在继续改善,而天津和石家庄有空气质量恶化的趋势.     

湖北省五市空气质量时空差异及首要污染物分析

近年来我国灰霾天气频发，环境空气质量引起了人们的广泛关注.本研究在湖北省5个代表城市2018年3月至2019年2月空气质量基础上，采用线性拟合分析法对该地区空气质量时空变化规律和温度对首要污染物PM_2.5的影响进行研究.年度结果表明，五市空气质量最差时段均出现在1月，且7月空气质量最优，其原因是冬季北方城市供暖，以及民众燃放烟花爆竹导致空气质量下降.五市空气质量空间分布结果表明，全年空气质量以咸宁市最优，襄阳市最差.冬季湖北省东部(武汉、黄冈和咸宁市)空气质量明显优于西部(襄阳和宜昌市);进一步对湖北省东部的武汉和西部的襄阳的首要污染物加以比较发现，两城市首要污染物均为PM_2.5和O₃,其中武汉市NO₂日均值达标率低于襄阳市，其来源一部分是当地工业生产和汽车尾气排放，另一部分则是由于气候风向和地形因素导致北方城市的空气污染物扩散而来.     

基于灰色关联的洛阳市空气质量影响因素分析

以洛阳市2006年至2009年的市区空气质量为例,利用灰色关联分析法对影响空气质量的因素进行了分析。分析结果表明:洛阳市空气质量的首要污染物是可吸入颗粒物(PM₁₀),空气质量呈现煤烟型和尘污染的复合特征;烟尘排放总量、城市机动车辆总数、人均公园绿地面积和二氧化硫排放总量是影响洛阳市空气质量的主要因素。改善城市燃料结构、控制机动车辆的尾气排放和加强城市绿化建设是改善城市空气质量状况的最有效手段。     

利用集合深度学习方法订正空气质量数值预报结果——以新疆乌昌石城市群为例

开展基于空气质量数值模式CMAQ (社区多尺度空气质量模型)预报结果的后校正算法研究。利用集合深度学习方法, 对CMAQ的PM_2.5 (细颗粒物)原始预报结果进行误差订正, 以期提高预报准确率。该方法集合了深度神经网络模型、随机森林模型、梯度提升模型和广义线性模型4种机器学习模型, 在每一个模型中结合原始的气象预报、空气质量预报和土地利用类型等多源数据作为辅助变量, 对PM_2.5预报浓度进行校正, 最后求取4个模型的集合结果。将该方法应用于订正新疆乌(鲁木齐)昌(吉)石(河子)城市群的CMAQ预报结果, 利用2018年的独立样本进行评估, 订正预报结果的准确性显著提升, 站点5天预报的决定系数R²为0.41~0.60, 比原始预报提高60%~160%, 均方根误差RMSE降低 40%左右; 交叉验证的站点预报R²同样提升50%~80%, RMSE下降30%左右。该订正方法的计算效率高, 可以部署于业务化预报平台, 进行可靠的运行。