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.     

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。     

2021年蚌埠市6种空气质量预报模式的检验

本文把2021年安徽省空气质量预报预警平台采用6种空气质量预报模式的具体预报情况,与2021年蚌埠市空气质量实测值进行对比检验,分析了6种模式在蚌埠市的预报效果。结果表明,集合预报、CMAQ、统计预报模式在24 h时效内,集合预报、CMAQ、CAMX模式在48 h、72 h时效内的AQI预报中具有较高参考价值;在除冬季外的24h时效AQI预报中,集合预报、CMAQ、统计预报准确率较高,而NAQPMS则在冬季准确率较高;仍需通过人工综合分析,进一步提高AQI范围预报准确率。     

汕头市空气质量预报模型的建模和修正方法

应用时间序列分析法中的自回归模型进行城市空气质量预报，是目前国内已开展城市空气质量预报城市所普遍采用的统计学方法之一。由于其理论上的缺点，在预报城市空气质量的时候需要对其进行修正，本文通过论述我市模型的建模和修正方法，希望对将要开展或正在开展空气质量预报的城市起到借鉴作用。     

临汾市空气污染预警系统

运用新型的预报工具，将混合物扩散的理论，实验研究结果和传统的统计方法应用于空气污染预报之中，细化了天气对空气质量影响的判别规则，运用KLM滤波对污染级别进行了预报试验，制作和天气预报工作平台交互担任的预报系统。     

环境空气质量预报准确率研究

在分析多年空气自动监测数据的基础上,选用统计预报模式(多元线性回归)和数值预报模式(CAPPS)两种模式同步应用,以源解析结论为数据修正程序,很好地解决了安阳市在空气质量预报方面准确率低的问题.安阳市2005年1月~9月环境空气质量预报PM10浓度预报准确率为74.70%.     

江西省空气质量预报情况分析

总结了江西省过去1周的空气质量,对出现重度污染的九江市的空气质量进行简单的分析。根据模式预报、气象条件以及当天的空气质量实况,预报了未来5 d江西省的空气质量情况,研究结果可以为江西省空气污染防治提供技术支持。     

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.     

基于ZigBee的城市空气质量智能监测技术的研究

随着无线传感器网络的广泛运用,针对当前城市空气质量实时监测的客观需要,提出了1种基于ZigBee技术的城市空气质量智能监测系统.该系统由ZigBee网络、GPRS通信以及监控中心3个模块组成.其中ZigBee网络采用CC2530作为主控芯片,结合温湿度、微粒等传感器构成.监控中心是在计算机服务器的基础上编写智能监控软件构成的,该软件结合历史数据,运用统计预测算法来预测出未来的空气质量信息.试验结果表明,该系统能够准确显示及预测空气质量信息,实现了对空气质量的智能监测,对我国城市空气污染防治具有重要的参考意义.     

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GIS技术与嵌套网格的大气PM2.5污染最优集成预报方法

为了提升城市空气质量的预报准确率,分析大气PM_2.5污染物各尺度污染变化情况,提出基于GIS技术与嵌套网格的大气PM_2.5污染最优集成预报方法.基于大气污染扩散模拟情况,利用GIS技术的前、后期数据处理以及结果显示输出,处理大气PM_2.5污染数据,可视化展示污染扩散情况;采用嵌套网格空气质量预报模式系统(NAQPMS),模拟大气PM_2.5污染物各尺度污染变化,完成污染预报;基于观测、预报资料结合多种集成方法组建集成预报,经评价获取评分最高集成预报方法,完成大气PM_2.5污染最优集成预报.以安阳市为例,应用该方法进行空气质量预报实验.结果表明：该方法的PM_2.5质量浓度预报值与实际观测值更加接近,有效提升了大气污染预报准确率,以PM_2.5为代表的细颗粒物和以扬尘为主要源的粗颗粒物污染突出,需加强企业烟尘污染物的管控.     

"三段四分法"在环境空气质量统计预报模型建立"基础数据库"中的应用

"三段四分法"是在环境空气质量统计预报模型建立"基础数据库"中总结出的有效方法,它可以有效保障"基础数据库"建立的有效性,从而提高空气质量预报的准确率.此法在权重系数法建立的预报模型中得到很好的应用,也可以为其它统计模型的建立在数据筛选方面所借鉴.     

基于AQI指数的中国城市空气质量时空分布特征

基于2014-2016年中国环境保护部公布的城市空气质量指数(air quality index,AQI)日报数据,综合运用空间插值法、空间自相关模型、核密度估计模型等空间数据统计模型探究中国城市空气质量时空分布及动态演进特征。结果显示:(1)2014-2016年中国城市的AQI呈下降的趋势,空气污染城市数量减少,表明城市空气质量有所改善;中国城市AQI季节均值为:冬季春季秋季夏季,夏、秋两季空气质量空间分异格局不显著,春、冬两季的空间分异格局显著,呈北高南低、内陆高沿海低的季节性空间分布格局。(2)中国城市AQI空间分布呈现出持续增强的空间集聚态势,形成以冀鲁豫三省交界处为核心并蔓延至湖北省中北部的中度污染区和以乌鲁木齐和阿图什市为核心的中度污染区,以珠三角城市群为核心的华南地区是稳定的空气质量优良区。(3)从核密度估计图可以发现中国城市空气质量空间分布格局表现为6个显著核心密度区和3个次级核心密度区,2014-2016年内该基本格局在局部区域发生较明显变化。本文通过不同的时间尺度全面分析了中国城市空气质量的空间分布特征,旨在为中国各个城市制定相关的空气质量防治政策提供科学依据。     

城市暴雨积水预报系统的理论模型及模拟计算

提出了一个城市暴雨积不预报系统的模式。这个系统由暴雨、地面径流、管网汇流和地面积水四个数学模型串联构成。在输入暴雨气预报信息后，系统即可对可能发生的城市暴雨积水进行模拟计算，最后对发生地面积水的概念、地点，持续时间和最大积水深度作出统计预报。     

漳州市区空气质量等级预警预报技术研究

通过阐述漳州市区空气质量预报预警思路及其算法技术原理,介绍漳州市区空气质量等级预警预报系统建设情况,分析了空气质量预警预报系统实际应用中存在的问题,提出了相应的解决措施。     

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。     

Markov链在城市空气质量的评价及预测中的应用

城市空气质量的无后效性可用Markov链来描述,利用国家环境保护部网站提供的一些主要城市空气质量的监测数据及各省环境保护网提供的地级市空气质量监测数据,可运用Markov链极限分布的理论,根据空气质量等级的转移概率矩阵得到平稳分布,进而对城市的空气质量进行评价和预测,对人们的居住环境进行评价,给环境保护部门的工作提供一个参考依据.     

气象资料在空气质量预报中的应用

近年来,空气污染日渐严重,并影响了人类的生存环境。天气因素对空气质量有显著影响,准确利用气象资料对空气质量进行预报至关重要。该文结合具体空气质量预报个例,探讨如何利用气象资料中常见的高空分析图、单点时空剖面图和气象物理量数据对污染物浓度及浓度变化趋势进行分析,以便更准确地开展空气质量预报。     

郑州城市绿地生态效益与优化配置研究

为改善城市环境质量 ,郑州市拟将城市绿化覆盖率由目前的 2 8.5 %提高到 40 % ,本文运用生态分析的方法 ,对郑州市绿地的生态效益进行评价 ,估算其对空气质量改善的生态效益。并提出绿地结构的最佳配置模式。     

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。