基于时空优化深度神经网络的AQI等级预测

针对现有空气质量预测方法精度偏低、对噪声敏感等问题,提出一种基于堆栈降噪自编码(Stacked Denoising Auto-Encoders,SDAE)模型的空气质量等级预测方法。首先以武汉市历史空气质量和气象监测数据为研究对象,建立SDAE模型逐层学习原始数据的特征表达,并将最后一层特征与分类器连接完成预测模型的调优。同时改进多参数网格搜索法,选取了最优的超参数组合。然后在测试集上进行预测,并用预测值与实际值之间的平均绝对误差和均方误差等指标作为预测性能评价标准。通过与其他网络模型的实验对比,证明了SDAE模型对于空气质量等级具有较优的预测性能。最后从时间、空间、时空三个角度对该模型输入进行优化,实验结果表明基于空间优化的SDAE模型预测性能提升最为明显,能够得到比传统方法更加精确的预测结果。

新疆阿奇山地段岩体节理特征研究

我国高放废物处置库新疆预选区的阿奇山地段是有利候选地段之一。本次在阿奇山地段进行详细的地质节理调查,以地表露头及采石坑内的节理为主要对象,通过现场节理调查取得节理数据,共测得3680条节理数据。进行节理几何特征的概率分析,对岩体赋存的结构条件进行有效、准确的描述和定量分析,准确地确定岩体节理的分布。由结果可以看出阿奇山地段的岩体节理以陡倾角的剪节理为主,且节理倾向和倾角符合正态分布规律,节理间距用负指数分布规律很好表示,阿奇山地段各区域的节理间距属于宽间距,由此表明此地段岩体完整性较好。本次研究得到阿奇山地段岩体节理基本特征参数,为高放废物深地质处置库的选址、概念库设计以及进行核素迁移规律研究提供翔实的资料。

成都太阳总辐射变化特征及对臭氧污染影响分析

为了研究成都太阳总辐射变化特征及对臭氧污染的影响,利用成都1993~2020年太阳总辐射数据分别对年、季、月成都市太阳总辐射变化特征进行分析,并结合2015~2020年空气质量数据对太阳总辐射与臭氧浓度以及AQI等级间关系进行了研究分析。结果表明,近28年太阳总辐射总体呈上升趋势,倾向率为31.63 MJ/(m^(2)·a)。太阳总辐射夏季最高,春季次之,秋季第三,冬季最低,月变化呈现“双峰”型;月累计太阳总辐射与月均地面臭氧浓度有较好的正相关性,且均呈周期性变化;臭氧AQI等级较低时,太阳总辐射的增强对于臭氧AQI等级的升高具有明显的促进作用;但当臭氧AQI等级达到4级及以上,臭氧AQI等级的变化与太阳总辐射无明显关系。研究为成都制定NOX和VOCs协同减排策略提供了参考依据,为臭氧生成敏感性研究提供了新思路。

建立空气质量综合评价指数的探讨

分析了空气污染指数(API)系统在评价空气污染水平中的不足,提出了在原API系统基础上进行指标拓展,增加能见度和PM2.5评价指标,建立空气质量综合评价指数(AQI)。分析了扬州市区PM2.5和能见度在雾霾日及正常日的百分位分布,确定了PM2.5和能见度分级值,并利用扬州市区环境空气质量监测数据进行了验证。

基于半级别的城市空气质量预报评估方法探讨

环境空气质量预报评估是提升预报能力的重要助力,为更好支撑空气质量精细化管理,将我国空气质量细化为12个半级别,参照英国预报评估方法,对2020年“2+26”城市AQI、PM_(2.5)浓度和O_(3)-8h浓度预报开展探索性半级别预报效果评估,通过与AQI范围预报和AQI级别范围预报评估对比发现,半级别预报评估方法可将两者兼容合一,在城市业务预报评估中具有一定可行性和应用价值.具体的半级别预报评估结果表明,“2+26”城市AQI和O_(3)-8h浓度在低段级别和高段级别的预报效果明显差于中段级别,不同级别PM_(2.5)浓度预报效果相对稳定;AQI、PM_(2.5)和O_(3)-8h浓度预报准确率月变化曲线分别呈双峰型、先升后降型和平缓型,PM_(2.5)浓度各月偏高预报显著;不同城市AQI和O_(3)-8h浓度预报准确率差距相对较小,PM_(2.5)浓度预报准确率波动较大;北京和天津AQI预报准确率高于周边省份,北京和河南PM_(2.5)和O_(3)-8h浓度效果相对最好.