基于INLA-SPDE方法的区域污染物模拟与预测

采用传统的空间插值方法对区域污染物进行模拟与预测,针对源数据分布不均,效果一般的问题,提出了采用INLA-SPDE模型来模拟与预测区域污染物的方法。模型的空间分量使用随机偏微分方程表达,时间分量则采用一阶时序自相关模型,同时还包含气象参数等10种协变量,以2019年度京津冀地区日均PM_(2.5)浓度为例,逐月建立了时空模拟与预测模型。实验结果表明,与经典的克里金插值方法相比,在区域污染物分布的模拟上具有更好的效果,尤其在高值污染的预测上精度效果提升明显,同时可得到区域污染风险等级等多种结果。进一步基于模型的预测结果实现了京津冀地区日均PM_(2.5)浓度时空可视化和虚拟仿真系统,为普通民众的出行或政府相关部门决策提供支持,验证了模型的实用性和价值。