Page 153 - 生态环境保护与环境监测研究

第六章 空气质量预测预报

染过程预报的可靠性。
（四）各级领导的重视与支持是预测预报的保障

全国预报业务体系、技术体系和队伍建设，毫无疑问都离不开各级环保部门
的大力支持。生态环境部通过中央财政主要污染物减排专项资金建设项目，支持

总站建立了国家层面空气质量预报中心和京津冀区域预报预警业务平台；推动建
立了长三角、泛珠三角（华南）、东北、华中、西南和西北区域业务中心、31 个

省级业务中心和部分地区城市预报业务中心，建立起覆盖全国的国家一区域一省
级一城市多层次的预报业务及其大气污染防治技术支持体系。还通过专项支持和

培训项目，推动全国预报方法技术的经验积累和预报员队伍建设。

四、空气质量预测技术体系的建立

（一）推动机器学习等人工智能方法在空气质量预测领域的应用

深度学习逐渐取代传统机器学习方法在空气质量领域的广泛使用，使得模型
的预测能力得到一定提升，但是 VLSTM 由于引入遗忘门和窥孔连接，使得其参

数量提升，过多的参数对于神经网络训练过程中的收敛性会产生一定程度的负面

影响。同时，针对空气质量预测类的现实问题，其数据序列的波动性和异常状况
并不常见，这种状况相当于训练集中被打上了错误标签，投入训练网络后会造成

一定程度的网络退化。因此，对于 VLSTM 内部用于对历史数据进行递归的窥孔
结构可以针对性地做出改进。此外，许多现有方法使用了包括深度学习在内的机

器学习方法，但是这些方法仅是对模型方法的改进，并没有将数据的有效性作为
重要影响因素考虑。而在现实生活所产生的真实问题中，数据的有效性对于整体

模型精度有很大影响。对于空气质量指数而言，其预测效果受到工业排放，汽车
尾气、气候、人流量等多种复杂因素的协同影响。如何提升模型数据输入的有效

性，是亟待解决的问题。因此数据有效性的选取应当和深度学习预测模型相结
合，作为一个不可分割整体对空气质量进行有效预测。

145