气象因素对大气污染物影响的季节差异分析及预测模型对比——以深圳为例

以深圳为例,通过收集其2014年9月至2017年8月的地面气象观测数据、大气污染物PM_(2.5)和PM_(10)浓度数据及空气质量指数(AQI),利用SPSS软件分别构建线性回归模型与非线性多层神经网络(MLP)模型,探讨了气象因素对PM_(10)、PM_(2.5)及AQI影响的季节性差异,并利用构建的两种模型对PM_(2.5)、PM_(10)和AQI进行预测和对比。结果表明,气温、湿度、风速及风向均对深圳PM_(2.5)、PM_(10)及AQI有较大影响,且影响因素存在季节差异性;两种模型中,MLP模型在对复杂多变的空气质量预测上更具优越性。研究结果可为深圳空气质量优化以及城市局部和整体规划提供科学依据,并为其他城市空气质量模拟分析提供参考。