Page 156 - 生态环境保护与环境监测研究

生态环境保护与环境监测研究

分方法对臭氧和二氧化氮观测数据进行资料同化，并用作大气污染浓度预测模
型输入；Vautard 等首次把 CHIMERE 和 NWPs 模型集成起来进行臭氧浓度预测；
Doraiswamy 等使用 CMAQ 集成耦合 WRF 和 MM5 模型对纽约开展臭氧和 PM 2.5

浓度预测，取得了较好效果，并发现采用权重和偏差校正后可以显著提升预测

结果的准确性；SanJosé 等尝试耦合计算流体力学模型与大气污染浓度预测模型，
并在水平方向上建立分辨率为 1 ～ 10m 的模拟网格，很多研究开始关注于耦合大

气污染浓度预测数值模型与统计模型，以提高大气污染浓度预测的准确性。第三
代模型精细化程度进一步提高，针对每个三维网格单元考虑其复杂的大气化学、

大气物理过程，可以实现特定时间、特定区域实时大气污染物浓度模拟，但其结
构复杂，算力要求高，操作难度大。

自 20 世纪 70 年代以来，统计模型一直被运用在空气质量预测领域，包括多
元线性回归、分类树、人工神经网络、模糊逻辑和卡尔曼滤波器等多种算法，统

计模型一般需要大量的历史数据作为模型输入，不同的算法可以解决不同的空气
质量预测问题。在统计学习中一类是简单经验统计，另一类是机器学习。机器学

习是在简单经验统计的基础上，通过算法实现计算机模拟人类学习行为，具有重
新组织已有知识结构使之不断改善自身的性能，相比简单经验统计，机器学习具

有自学习的特点，在空气质量预测技术领域，通过大量历史数据的输入，训练计
算机找到历史数据特定区域、特定时间内的变化规律，并以此作为依据对未来空

气质量进行预测。

二、统计预测

基于统计预报方法的空气质量预测模型是以分析历史空气质量数据为基础，
找出内在的发展规律从而完成预测。目前，统计预报模型方法是我国主流的空气

质量预测方法之一，包括统计回归模型、聚类模型及反向传播（BP）模型等相比
于数值预测模型方法，该方法主要基于历史气象数据以及污染物监测浓度的规律

性分析，利用气象条件预报产品开展污染物浓度预测对气象相关专业要求较高，

148