基于气象资料的林芝地区空气质量动态预报方法研究

空气污染状况不仅与污染源排放有关,也与气温、降水等气象要素存在密切联系。建立区域气象资料与空气质量的关系,对研究空气质量及其变化具有重要的研究意义。由于空气污染与气象条件之间并非线性关系,将前20d的气象观测资料和实际的大气污染物浓度作为输入参数,动态建立每天的多元线性回归方程,代入预报气象数据求取SO2、NO2、PM10的预测值和空气污染指数(API)值。初步试报表明,以20d为时间窗进行滑动预报,充分考虑了空气污染与气象条件之间的复杂动态关系,克服了传统静态空气质量预报方法的缺点,能更高精度地预报林芝地区的空气质量,具有一定的应用和推广价值。

基于气象相似准则的城市空气质量预报模型

为提高城市空气质量预报准确率,文章在传统BP神经网络的基础上提出了基于气象相似准则的样本优化方法,建立了三层样本筛选优化机制,确定了阀值及权重矩阵,从而建立了城市空气质量动态预报模型。将模型应用在广州8个空气质量监测站点的预报上,并与传统的BP神经网络空气质量预报模型进行了对比分析,效果良好。分析结果表明,广州8个空气质量监测站点的SO2、NO2、PM10/2.5的实测值与预报值的平均绝对误差分别为0.016 mg/m3、0.014 mg/m3、0.020 mg/m3,级别预报准确性评分分别为89.6、92.6和84.6,预报准确度综合评分达81.6,并且比传统神经网络模型具有更高的预报精度。