基于敏感因子的大气重污染潜势分级预报技术研究

为了提高大气重污染潜势预报的精准性,提出基于敏感因子的大气重污染潜势分级预报技术。选取大气通风量、垂直温度梯度和风速垂直切变作为大气重污染敏感因子,采用随机森林(Random Forest,RF)算法分析大气重污染的潜在变量。依据大气重污染的日增量,进行数据预处理,建立最优多元线性回归(Multiple Linear Regression,MLR)模型,筛选出最佳变量组合对大气背景场进行聚类处理,通过最优子集回归法得到重污染潜势预报模型。试验结果表明,定量预报大气重污染潜势时,所提技术的预报正确率为92.35%;预测大气重污染潜势等级时,不同等级下的均方误差(Mean Squared Error,MSE)均低于0.2,该技术具有较高的应用价值。

长春市空气污染潜势预报的统计模型研究

通过分析TSP污染指数与气象条件的关系 ,特别是一些非线性关系 ,建立了长春市空气污染潜势预报统计模型 ,借助T1 0 6及日本数值预报产品进行试报 。

平顶山市空气污染预报研究

用污染潜势指数和污染浓度指数等方法结合平顶山市天气气候特点及污染源分布状况,建立了适宜24小时的空气污染浓度指数预报.为平顶山市空气污染预报提供了一种很好的方法.

基于机器学习方法的臭氧和PM_(2.5)污染潜势预报模型--以成都市为例

以成都市为例,以多项可能影响污染物时空分布的变量为潜在预报因子,筛选关键入模因子,利用2016—2018年数据为训练集,采用多元线性回归、BP神经网络和随机森林算法,建立成都市夏季(4—8月)臭氧及冬季(11—2月)PM_(2.5)污染潜势模型,并利用2019年数据对模型的中长期污染潜势浓度的预报性能进行评估。结果表明,建立的多元线性回归、BP神经网络和随机森林模型对成都市臭氧及PM_(2.5)的短期(1~3天)污染潜势都具有良好的预报效果,对7~15天的中长期潜势预报表现稳定。其中,多元线性回归模型和随机森林模型分别对臭氧和PM_(2.5)表现出相对最佳的预报性能。

晋江城市空气质量污染潜势统计预报方法初探

根据实际工作经验,通过分析气象条件对晋江城市空气质量的影响,建立了一套以天气形势为依托,综合考虑气象要素变化,以分类法与趋势外推法相结合的空气污染潜势的统计预报方法。经实践检验:用该方法预报空气质量为Ⅰ级和Ⅲ级以上的准确率分别为95.2%和79.2%,API指数误差在[-10,10]的命中率达到82.5%。预报方法简单、经济、实用,预报准确率较高,可为沿海地区中小城市今后开展空气质量预报提供参考。

深圳地区空气污染潜势预报的研究

本文系统地介绍了目前深圳市气象台研制的深圳市空气污染潜势预报方法 ,本方法基于在污染源一定的情况下 ,未来空气污染状况主要取决于大气环流形势演变和局地相关的气象要素以及天气形势的思想 ,应用以统计加权法为主、数值预报为辅的方法 ,根据主观预报和数值预报给出的气象要素预报值和天气形势 ,制定相关因子的加权值表 ,最后通过非加权因子的修正 ,得出对未来 2 4小时空气污染潜势预报 ,目前这一方法已经过业务上实践应用 。