Page 157 - 生态环境保护与环境监测研究

第六章 空气质量预测预报

分析方法较为灵活多样，具有较好的适用性。
BAI 等提出了一种利用非线性回归模型预测 PM 2.5 浓度的方法，通过输入单

一污染源单日污染物排放量以及与空气质量监测站点的距离，利用光化学网格模
型估算 PM 2.5 的浓度分布。该非线性回归模型虽然在精度上不及传统的 CAMx 数

值模型方法，但其在数据源信息不够充分的条件下仍然可以提供大致的预测，满
足规划工作的需要。此外，该模型较为灵活，可改变不同的模型参数以推广到其

他类型的污染源，适用于较为简单的 PM 2.5 浓度预测。沈劲等利用聚类和多元回
归相结合的方法建立空气质量预报模型，根据月份和气象因子数据，将广东省佛

山市顺德区的 PM 2.5 日均浓度进行聚类，并对每一类建立相应的表达式，使用该
回归方程预测顺德区的 PM 2.5 浓度，预测值与预测趋势都和真实值较为接近。同

样利用该方法预报二氧化氮、二氧化硫、一氧化碳、臭氧和 PM 日最大 8h 浓
10
度，均取得较好预测结果。总体而言，该模型可成功地应用于空气质量预测，且

不依赖专业的硬件设备，简单易行。BP 神经网络是一种将误差进行反向传播的
前馈神经网络，具有一层或多层神经元结构。ASGHARI 等提出了一种 BP 神经

网络与遗传算法相结合的模型用以预测德黑兰市 PM 2.5 浓度，并利用遗传算法计
算 BP 神经网络的初始权值，相比于使用传统 BP 神经网络，该方法提高了预测

精度。但受限于历史数值的匮乏，预测精度还有很大提升空间。
（一）简单经验统计

简单经验统计方法主要有 3 种：持续模型（persistence）、气候学模型

（climatology）和经验模型（empiricism）。持续模型基于一个假设，即今日大气污
染物浓度监测值等于明天的预测值，模型输入需要前一天的大气污染物浓度监测

值，持续模型具有计算快、大气环境稳态下精度高、使用便捷和成本低等优点，
但无法适用于天气、排放和空气质量等因素突变下的预测情景，一般只作为其他

预测方法的参考使用。气候学模型与持续模型很相似，但主要基于大气污染物浓
度与气候学特征高度相关的假设，该模型需要数年大气污染物浓度和气候学历史

数据，优缺点与持续模型类似，无法对短期、突变的情景进行有效预测。经验模

149