臭氧浓度的预测对于大气环境治理、空气质量改善等起到了重要的作用。本文提出了一种交互差分时空LSTM网络预测模型(ST-IDN)来挖掘臭氧浓度历史数据的时间相关性和空间相关性,并成功将其应用到网格化臭氧浓度数据预测上。在该模型中,首...臭氧浓度的预测对于大气环境治理、空气质量改善等起到了重要的作用。本文提出了一种交互差分时空LSTM网络预测模型(ST-IDN)来挖掘臭氧浓度历史数据的时间相关性和空间相关性,并成功将其应用到网格化臭氧浓度数据预测上。在该模型中,首先交互模块(IC)可以通过一系列的卷积操作来捕捉短期上下文信息,其次层融合模块(LF)可以融合不同层的空间信息来获得上一时刻丰富的空间信息,最后差分时空LSTM模块(DSTM)将捕捉到的时间信息和空间信息进行统一建模实现臭氧浓度预测。所构建模型分别与卷积LSTM网络(ConvLSTM)、预测循环神经网络(PredRNN)以及Memory in Memory网络(MIM)模型在河北省气象局提供的臭氧浓度数据上进行了对比分析,ST-IDN模型的平均绝对误差分别降低了19.836%、12.924%、7.506%。实验结果表明,所提出的模型能够提高臭氧浓度的预测精度。展开更多
文摘利用2005年1月至2017年12月搭载在美国环境监测Aura卫星上的臭氧监测仪(Ozone Monitoring Instrument,OMI)数据和NCEP气象资料,在夏季风环流指数定义方法的基础上,重新定义了南亚区域冬季风环流指数,并分别计算了南亚夏季风和冬季风环流指数.结合冬夏两季环流的强弱变化采用相关分析、合成分析和奇异值分解(Singular Value Decomposition,SVD)等方法,探讨了环流异常形势下臭氧的时空变化特征.结果表明:(1)南亚夏季纬向环流与经向环流的强度变化存在一致性,冬季经向环流与纬向环流的强度变化差异较大.(2)南亚臭氧柱总量的季节变化明显,且近13年来臭氧柱总量整体呈上升趋势.(3)夏季(冬季)风环流指数与对流层中低(中高)层和平流层中低层臭氧的相关性显著,但夏季平流层和对流层的相关趋势相反.(4)夏季风环流增强对应青藏高原-伊朗高原上空及南侧区域的上升运动增强,对臭氧的输送作用是造成对流层臭氧分布呈现差异的原因.(5)冬季风环流强弱期的垂直上升和下沉运动中心的移动,以及南北向、东西向气流交汇区的差异是造成臭氧分布不同的原因.
文摘臭氧浓度的预测对于大气环境治理、空气质量改善等起到了重要的作用。本文提出了一种交互差分时空LSTM网络预测模型(ST-IDN)来挖掘臭氧浓度历史数据的时间相关性和空间相关性,并成功将其应用到网格化臭氧浓度数据预测上。在该模型中,首先交互模块(IC)可以通过一系列的卷积操作来捕捉短期上下文信息,其次层融合模块(LF)可以融合不同层的空间信息来获得上一时刻丰富的空间信息,最后差分时空LSTM模块(DSTM)将捕捉到的时间信息和空间信息进行统一建模实现臭氧浓度预测。所构建模型分别与卷积LSTM网络(ConvLSTM)、预测循环神经网络(PredRNN)以及Memory in Memory网络(MIM)模型在河北省气象局提供的臭氧浓度数据上进行了对比分析,ST-IDN模型的平均绝对误差分别降低了19.836%、12.924%、7.506%。实验结果表明,所提出的模型能够提高臭氧浓度的预测精度。