上海市PM_(2.5)浓度延伸期预测模型的构建及评估

基于PM_(2.5)浓度、次季节到季节预测项目(S2S)三家模式(CMA、UK和ECMWF)历史回报气象要素(2000~2014年)作为预测因子,利用长短时记忆神经网络(LSTM)深度学习方法和轻量级梯度提升机(LGBM)算法开发了上海PM_(2.5)延伸期预测模型,并应用LSTM模型建立了上海秋冬季(11月~次年2月)PM_(2.5)浓度延伸期预测融合模型.结果显示:融合模型11~40d逐候预测与实况的相关系数为0.47~0.76,比单一模型相关系数上升23.5%~31.1%;融合模型RMSE介于19~25.1μg/m^(3)之间,较单一模型下降19%~19.3%.融合模型能够较好地预报出未来11~40d上海秋冬季PM_(2.5)浓度的总体趋势、浓度峰值谷值的变化及发生时间等关键特征,逐候HSS技巧评分在0.18~0.5之间,显示出较好的预测技巧.对于典型污染过程个例的预测而言,融合模型在不同的预测时效预测准确率存在差异,提前11−40d的总体预测准确率为75.5%.对于持续3d及以上的3次污染过程,11~40d预测准确率达到100%.融合模型的预报时效可达40d,是目前污染数值预报模型(一般96~240h)预报时效的近4倍,且运算速度快,能够节省大量计算资源和时间成本.

基于松弛逼近方法的天津PM_(2.5)延伸期数值预报研究

在现有天津延伸期空气质量数值预报系统(CFS/WRF-Chem)的基础上,引入Nudging技术约束模式积分过程,开展Grid Nudging和Spectral Nudging敏感性试验.通过张弛波数、张弛时间、张弛变量等参数的最优化方案测试,提升Nudging技术在天津秋冬季PM_(2.5)延伸期数值预报中的适用性,以期有效提升天津秋冬季10~45d空气质量趋势预测的准确性.研究结果表明:与未采用Nudging技术的延伸期空气质量数值模式预报相比,使用Nudging技术后,无论是Grid Nudging还是Spectral Nudging,延伸期空气质量预报效果均得以提升.逐日预报与实况PM_(2.5)质量浓度的相关系数由未采用Nudging技术的0.1分别提高至Grid Nudging的0.35和Spectral Nudging的0.43,PM_(2.5)等级预报准确率由33%分别提高至47%和44%.相比Grid Nudging和Spectral Nudging方案的选择,张弛波数、截断波长和张弛变量等参数最优配置对Nudging技术运用更为关键.Grid Nudging技术中张弛系数5×10^(-5),张弛时间尺度6h,张弛变量θ-q-uv为最优;Spectral Nudging技术中张弛波数1,截断波长1800km,张弛变量θ-q-uv最优.即使采用Nudging技术,延伸期PM_(2.5)质量浓度逐日预报仍有很大的不确定性,其更适合趋势(增加或者下降)预测.从候与候之间PM_(2.5)浓度变化趋势结果分析,未采用Nudging技术时,预报准确率为50%,采用Grid Nudging提高至75%,采用Spectral Nudging可提高至88%,Spectral Nudging的预报结果略优,且可以有效支撑延伸期PM_(2.5)候分辨率尺度空气质量趋势预测.