BP神经网络法在大气污染预报中的应用研究

近年来将BP网络模型应用到大气污染浓度预报中 ,并建立了大气污染物浓度的神经网络预报模型。将计算结果与监测值进行了验证 ,结果表明 :TSP的计算值与观测值之间的绝对误差为 4× 1 0 - 3～ 3× 1 0 - 2 mg·m- 3,NOX 的计算值与观测值之间的绝对误差为 5× 1 0 - 3～ 2× 1 0 - 2 mg·m- 3;且具有较好的相关性。BP模型是目前最为广泛应用的神经网络模型之一 ,它是一种简单而又非常有效的算法 ,BP神经网络法为城市空气污染预报工作提供了一种全新的思路和方法。     

海口市基于CAPPS系统的空气质量预报制作平台

对城市大气污染潜势和污染指数预报系统（CAPPS）的构成、功能、技术要点及运行环境作了详细介绍，通过对CAPPS系统进行改进和完善，将其集成为一个自动化程度较高的业务系统。     

支持向量机在大气污染预报中的应用研究

支持向量机是基于统计学习理论的新一代机器学习技术，其非线性回归预测性能优越于传统统计方法。利用前一天该污染物的日均浓度、前一天地面平均风速等7个预报因子建立了基于RBF核函数支持向量回归法的大气污染预报模型，并利用十重交叉验证和网格搜索法寻找模型最优参数。乌鲁木齐大气预报实例表明：支持向量机显示出小样本时预报精度较高和训练速度快的独特优势，为空气质量预报提供一种全新的模式。     

CAPPS1和CAPPS2数值预报模式对比分析

对CAPPS1模式和CAPPS2模式预报广西污染物进行了对比分析。主要对比了其污染扩散原理、气象预报模式、操作系统、运行时间、预报时效及预报效果。分析表明：CAPPS1和CAPPS2模式对各种污染物预报的相关系数均在0．44以上，两种模式预报广西空气污染都是可行的；两种模式均对SO2的预报效果最好，NO2次之，PM10相对最差；CAPPS2模式对各种污染物的预报值与实测值相关系数均比CAPPS1高，其中NO2的相关系数提高幅度最大；CAPPS2模式对NO2和PM10的预报准确率比CAPPS1偏高，而对SO2的预报准确率比CAPPS1偏低；CAPPS2预报首要污染物正确率比CAPPS1高出11个百分点，而预报首要污染物等级正确率则高出9个百分点。     

山东省霜冻天气分区客观预报方法

根据山东省霜冻气候概况,把全省分成６个预报区,每个区选取有代表性的测站,应用探空、地面观测资料和逐步回归方法,建立测站的日最低气温和日最低地温的短期预报方程;把ＨＬＡＦＳ数值预报资料代替高空资料代入预报方程,进行最低气温和地温的预报;根据霜冻与气温和地温的关系及分区预报霜冻的标准,判别预报区内有无霜冻。建立了山东省霜冻天气短期分区预报业务系统。     

东莞市秋冬季气温预报分区初探

以探索东莞气温预报的分区为目标,分析比较东莞不同自动测站间的气温日变化,发现测点间气温的最大差值不但随季节的不同而不同,而且在同一季节的不同天气背景下有明显的差异.分析秋冬季不同测点间的气温变化,得到测点间的气温联动趋势和几个典型天气背景下测点间气温序列的差异,作为气温预报大致分区的依据.     

CAPPS在国家气象中心多城市污染指数数值预报业务系统中的应用

国家气象中心在中国气象科学研究院CAPPS系统的基础上,建立了多城市污染指数数值预报业务系统,同时预报47个重点城市的SO2、NO2和PM10的日均污染指数.从2001年6月21日至7月17日的试验预报表明,总体预报准确率和与监测值的相关都在60%以上,与各城市气象局、环境保护局联合发布的综合预报准确率和与监测值的相关比较接近.说明CAPPS用于国家气象中心多城市污染指数数值预报业务系统,能够为城市空气质量业务预报提供有参考价值的数值预报产品.     

PCA-BP神经网络在SO2浓度预报中的应用

将基于主成分分析(PCA)的BP神经网络预报方法引入大气污染预报,建立SO2浓度预报模型.结果表明:应用主成分分析对数据进行前处理,以原始预报因子的主成分作为BP神经网络的输入,降低了数据维数,消除了样本间存在的相关性,大大加快了BP神经网络的收敛速度.对模型进行预报验证,预报值与实际值之间的绝对误差为0.0098,预报值与实际值的相关系数达到0.885,得到较好的预报效果.并且比一般的BP神经网络模型具有较高的拟合和预报精度.     

CAPPS预报方法研究

针对在应用城市空气污染数值预报系统CAPPS过程中容易出现的疑问，对CAPPS模式系统中污染潜势和指数的预报原理，模式中一些参数的意义以及扬尘的预报，作了进一步的说明和讨论。     

CAPPS模式在铜川空气质量预报中的效果检验

通过对2003年1-12月铜川市区、新区污染物监测值与 CAPPS模式预报值的对比分析发现,CAPPS模式预报正确率存在明显的要素差异,NO2预报正确率很高,年平均正确率在90%以上,SO2次之,年平均70%左右,PM10预报正确率较低,年平均55%左右;该模式预报正确率有明显的地域差异,铜川市区的预报正确率比新区明显偏低;同时该模式预报正确率存在明显的季节差异,冬半年比夏半年预报结果差,以SO2表现最明显.该模式空漏报率NO2最低,SO2次之,PM10最高,漏报率存在明显的季节差异,空报率季节之间差异较小,但在地域上空报率差异明显.分析了产生误差的原因.     

海口市基于CAPPS系统的空气质量预报制作平台

对城市大气污染潜势和污染指数预报系统（ＣＡＰＰＳ）的构成、功能、技术要点及运行环境作了详细介绍，通过对ＣＡＰＰＳ系统进行改进和完善，将其集成为一个自动化程度较高的业务系统。     

西安市大气能见度变化规律及与空气污染关系

利用1980—2005年西安市大气能见度资料对大气能见度变化规律统计分析,并利用2005年西安市逐日污染物质量浓度资料,分析与能见度的相关性,结果表明:大气能见度有较明显的年际变化、月季变化和日变化特征。年际变化总体呈增大趋势,20世纪90年代中期以来明显好于80年代到90年代前期;能见度与空气污染物质量浓度呈负相关,污染物质量浓度对能见度的影响冬季最明显,秋季次之,夏季最差。     

西安市污染气象条件分析

利用西安市的现场气象观测资料及西安市观测站的实测资料，分析了西安市对大气污染物稀释扩散能力有重要影响地温度场、风场、大气稳定度等，结果表明：西安市冬季存在较为明显的热岛效应；接地逆温强度较低层逆温强度大；各时次地面风流型以S—SE为主，频率为11％～54％；冬季风速82．4％以上都小于2．9m／S，大于2．9m／s的风速出现频率很小，为5．3％；夜晚及凌晨以稳定类天气为主，中午前后以不稳定或中性天气为主。     

贵阳市空气污染数值预报的业务方法研究

使用地形跟踪坐标系上的三维动力学流场模式和平流扩散方程模式,开发了贵阳市分片区SO2污染水平预报的业务数值预报模式。城市地形和大气污染物排放源强按实际情况输入,污染气象条件则使用天气学方法预报。经贵阳市实际应用,对城市平均SO2污染指数的24h预报准确率可达80％以上。     

CAPPS模式在石家庄市应用的效果检验

根据《气象部门空气质量预报质量考核和管理暂行办法》,对CAPPS系统在石家庄市空气质量预报中的应用效果进行检验,对CAPPS1.0和CAPPS2.0的预报能力和产生的误差进行了对比分析。结果表明:CAPPS2.0的整体预报水平高于CAPPS1.0,但其预报值多偏高于监测值,这是导致冬季首要污染物正确性评分偏低、夏季高污染预报能力偏低的主要原因。CAPPS系统对前日污染实况依赖性强,预报结果滞后,对高浓度污染日的预报准确率仅为13%,预报能力偏低。     

CAPPS3模式在福州市预报效果检验

对2009年7月至2010年6月区域空气质量数值预报模式CAPPS3在福州市的应用进行效果检验,分析各季节CAPPS3预报福州市3种污染物SO2、NO2和PM10的等级预报准确率、转折性天气预报准确率及与监测值的相关系数以及综合评分。结果表明：夏秋季节CAPPS3模式3种污染物等级预报准确率较高,冬季NO2和春季PM10的等级预报准确率较低,错误等级预报多数偏高;转折性天气预报准确率夏秋季最高,春季最低,模式对天气形势的变化反应不灵敏,特别是污染物浓度突变时,预报能力较差,当天气形势稳定时,预报效果较好;CAPPS3模式浓度预报值较监测值有偏大和滞后的缺点;相关系数及综合评分结果夏秋季最高,春季最低。CAPPS3总体预报效果较好,可提供有价值的指导预报,适合业务运行。     

CAPPS3模式在福州市预报效果检验

对2009年7月至2010年6月区域空气质量数值预报模式CAPPS3在福州市的应用进行效果检验,分析各季节CAPPS3预报福州市3种污染物SO₂、NO₂和PM₁₀的等级预报准确率、转折性天气预报准确率与监测值的相关系数以及综合评分。结果表明：夏秋季节CAPPS3模式3种污染物等级预报准确率较高,冬季NO₂和春季PM₁₀的等级预报准确率较低,错误等级预报多数偏高;转折性天气预报准确率夏秋季最高,春季最低,模式对天气形势的变化反应不灵敏,特别是污染物浓度突变时,预报能力较差,当天气形势稳定时,预报效果较好;浓度预报值较监测值有偏大和滞后的缺点;相关系数及综合评分结果夏秋季最高,春季最低。CAPPS3总体预报效果较好,可提供有价值的指导预报,适合业务运行。     

西安市市区与郊区气象要素对比分析

利用2005-2006年西安国家气象观测站二级站和泾河国家气候观象台的地面气象资料进行了对比分析，两站气象要素有一定的差异，分别反映出了明显的城市气候特点和郊区气候特点。主要表现在西安市市区气温比郊区高，一年中冬、春季温度差异较大，夏、秋季温度差异较小；西安市市区的降水量比郊区多，易产生对流性降水的秋、夏季降水量差异更为明显，冬季降水量基本没有差异；西安市市区的风速比郊区小，郊区的大风出现次数多；西安市郊区的空气相对湿度高于市区，平均高3％～7％；轻雾、大雾日数郊区多于市区。