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。

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。

2021年蚌埠市6种空气质量预报模式的检验

本文把2021年安徽省空气质量预报预警平台采用6种空气质量预报模式的具体预报情况,与2021年蚌埠市空气质量实测值进行对比检验,分析了6种模式在蚌埠市的预报效果。结果表明,集合预报、CMAQ、统计预报模式在24 h时效内,集合预报、CMAQ、CAMX模式在48 h、72 h时效内的AQI预报中具有较高参考价值;在除冬季外的24 h时效AQI预报中,集合预报、CMAQ、统计预报准确率较高,而NAQPMS则在冬季准确率较高;仍需通过人工综合分析,进一步提高AQI范围预报准确率。