长春市空气质量预报系统的建立及应用

长春市空气质量预报系统的建立及应用

赵国君[1]2004年在《长春市空气质量预报系统的建立及应用》文中研究说明随着我国社会、经济的发展,人们越来越重视生活质量,公众的环保意识不断提高,对大气污染状况和空气质量水平日益关注。并且,我国的环境污染排放总量不断增加,污染范围继续扩大,以颗粒物、二氧化硫、氮氧化物等为主要污染物的大气环境污染问题也日趋严重。为了加强空气污染防治,减少空气污染对人体健康及环境造成的危害,改善人们生活环境,增强人民的环保意识,提高城市形象,开展空气质量预报事在必行。因此,国家环保总局不但要求在2000年6月5日42个重点城市开展了空气质量日报,而且要求在2001年6月5日47个重点城市又向社会公众发布了空气质量预报。空气污染预报分为空气污染气象条件预报和空气污染浓度预报两类。空气污染气象条件预报又称为空气污染潜势预报。空气污染浓度预报又称空气质量预报,从预报方法上分为统计预报和数值预报两种。应该提出的还有经验预报方法和预报结果的会商,由于空气污染与复杂的污染气象条件、污染源排放的关系,有些现在还不能用数理计算的方法完全表示出来,因此预报经验的摸索和积累对空气污染预报(包括天气预报)仍然是重要的。鉴于此,预报员的会商讨论在预报制作过程中也是不可缺少的环节。长春市的燃料结构以煤炭为主,市区空气污染呈现明显的煤烟型污染特征。本文通过对长春市2002年的空气污染情况进行了调查、分析,总结出长春市空气污染物的时空变化规律。结合当地情况对气象因子与空气污染浓度之间的相关性进行了深入地研究。这样在建立长春市环境空气质量模型中能够赋予方程变量更多的物理意义,使建立的统计模型具有可靠的物理基础。通过对国内外空气污染预报研究状况的了解,经过反复论证,确定了以多元回归方法为主要预报方法,辅以权重系数法、相关系数法建立统计预报模型并编制开发出相关的预报系统软件。按照国家环境监测总站对空气污染预报数值准确的判断标准,我们对长春市2003年预报值与实测值进行了对比分析,发现2003年PM10全年准确率均值为77%、SO2全年准确率均值为94%、NO2全年准确率均值为95%,达到了国家对统计模型预报的技术要求。为密切监视长春市环境污染变化动态,预防严重污染事件的发生,为广大市民及时、准确、全面地了解未来大气污染变化信息提供可靠的技术保障。开发的相关预报系统软件操作简便易行、自动化程度高、界面友好,结合各地的实际情况稍加修正便可运行使用,具有很高的推广价值。我们所建立的空气质量预报模型经过检验达到了国家对空气质量预报的技术要求,这主要取决于在建立空气质量预报过程中,在一些关键的技术环节我们进行了仔细了研究,采取了有效的措施,使所建立的空气质量预报模型更具有科学性和可操作性。(1) 相关分析预报方法中,要对建立的原始数据库进行搜索,得到与预报日相关性最好的历史数据。在搜索过程中我们采用了逐级动态搜索技术编程方法,逐级动态搜索技术的基本原则是通过这样的搜索技术使我们得到与当天预报因子最类似的历史数据资料,确保了相关分析预报方法的科学性。(2) 注重了气象因子与空气污染浓度之间的非线性关系。如长春市在春季风速小于8m/s左右时,风速与污染浓度呈明显的负相关性,当大于8m/s时风速与污染浓度呈正相关。(3) 注重了同一气象因子在不同季节对空气污染带来的不同方式的影响。如气温在冬季逆温多发时期的变化与在其它季节的变化与空气污染浓度相关性是不同的。(4) 注意到了在同一天的不同时段气象因子的变化对当天空气污染浓度的影响。如降雨量相同的情况下,降雨发生的时段不同对空气污染的净化作用程度是不同的。(5) 把“前日PM10”的因子引入回归方程中有效地降低了污染源的变化对于方程预报结果的影响。

王晓冬, 赵国君, 王军[2]2006年在《长春市空气质量预报系统的研制及应用》文中提出运用逐步回归方法对气象因子进行筛选,通过空气污染物浓度监测值与同步气象因子的相关性,建立长春市统计预报模型,分析长春市空气污染季节变化趋势,经检验预报准确率较高,符合国家对统计预报方法的技术要求。

王新国, 王宁, 胡中明, 刘实, 陈长胜[3]2002年在《长春市空气污染潜势预报客观化系统的建立》文中提出本文主要介绍了长春市空气污染潜势预报客观化系统的组成,每一具体模块的要素组成,建立的技术要点;并介绍了系统的使用。系统较为先进,试用效果较好,为长春市空气质量预报的开展打下了良好的基础。

张孟[4]2008年在《神经网络方法在城市空气质量监测中的应用研究》文中提出空气是生命第一需要,是人类生存和发展的重要物质基础,保护空气环境质量已成为世界各国共识。为了切实有效防治空气污染,改善人类生存环境,使人们及时准确了解身边空气质量状况,更为环境治理与环境管理部门提供科学准确数据,空气质量监测工作起到关键作用,而在监测过程中,监测方法与技术的科学程度直接决定对监测结果定性的准确性。目前,中国的空气质量监测工作主要以“空气质量日报”和“空气质量预报”两种形式服务于社会,我们在深入了解长春市空气质量监测方式方法的基础之上,另辟蹊径,将计算智能理论运用于“日报”、“预报”技术工作之中,经过对比实例,发现取得非常理想结果,不仅实现了对当日空气质量状况的表述,而且实现了对次日空气质量的预测等功能。本方法原理直观、物理意义明确,具有评价结果准确、实用性及普适性强之优点,充分发挥了计算智能的“拟物”与“仿生”等特性,更严格遵循国家环境空气质量标准《GB3095—2000》,不仅弥补了原始评价方法的不足之处,而且具有普适性和广泛的应用推广价值。

贲继东[5]2012年在《长春市空气污染状况与气象条件相关性分析》文中认为随着经济的迅速发展城市规模不断扩大、城市人口快速增长导致了长春市以燃用原煤为主的城市能源消费量呈现出上升趋势从而加重了城市大气污染的程度。大气污染不仅严重地制约着城市社会经济的可持续发展而且直接威胁广大市民的身心健康。目前,长春市由于人口稠密,工业集中,交通拥挤,能源的大量消耗等因素,造成城市气候要素改变,导致空气的严重恶化。分析大气环境污染现状及其污染原因,如何更有效地控制大气污染,是一项十分重要而又紧迫的任务。因此如何在经济快速发展的同时借鉴国内外大气污染先进治理经验加强多学科协作攻关防治大气污染保持国民经济的可持续发展保护人民身心健康具有重要意义。本文对2007年至2011年长春市大气污染状况及气象条件进行了统计,发现长春市空气质量有逐渐变好的趋势,大部分污染物的浓度都低于国家二级标准,少部分低于国家一级标准。在采暖期空气质量属于轻度污染,而在非采暖期的时候一般属于清洁级,说明长春市大气污染不是很严重。然而随着汽车保有量的增加及其人口的不断增加,控制大气污染物的排放,降低大气污染物浓度仍然是一项刻不容缓的事情,对于保障居民的身体健康,维持社会安定具有重要意义。分析了典型大气污染物与气象条件的相关性,及气象条件对于大气污染物迁移,稀释等的影响。揭示了大气污染的原因,长春市气象条件对对大气污染物污染状况的影响,从而能够为长春市大气的控制和治理提供更有利的建议和措施。

苗亚男[6]2016年在《基于卡尔曼滤波的ARIMA—GM雾霾预测及扩散消失模型研究》文中认为雾霾问题不仅困扰着我国民众,在国际上也引到了广泛关注,目前世界各个国家对大雾天气以及PM2.5的预测、防治均有不同程度的研究。但是对雾霾的研究还处于摸索的阶段。而频繁出现的雾霾天气在冲击着我们日常生活与社会经济的同时,甚至破坏到了我国可持续发展的宗旨。由于各地气候不同和地势差异的影响,同一雾霾预测软件预测不同地区的雾霾情况时,预测的结果却不能准确地反映当地的雾霾天气状况,所以建立能够准确预报局部地区雾霾天气的预测模型是当务之急。本文是在MATLAB环境下,对2013年长春市两个月的气象五因子和环境空气六参数的浓度值进行统计分析,且以PM2.5的浓度值作为界定空气质量是否优良的基准来建立雾霾的预测模型和扩散模型以分析和测评空气质量。本文的具体工作如下:1、建立了基于卡尔曼滤波偏差调整的ARIMA—GM雾霾预测模型。针对已有预报系统仅用单因子判别雾霾的问题和单一预测模型预测误差校正的不确定性以及使预测值更加的逼近真实值的问题,设计了基于卡尔曼滤波偏差调整的ARIMA—GM雾霾预测模型。卡尔曼滤波偏差调整的ARIMA—GM模型是指用时间序列ARIMA模型和高斯-马尔科夫模型单独预测的PM2.5浓度值作为卡尔曼滤波偏差调整的期望值和初始值来进行预测误差调整的模型。2、提出了雾霾类似点源扩散模型。为了验证风力对雾霾天特征因子的影响,同时也是为了使预测模型实用化,建立扩散消失模型并对雾霾的扩散趋势仿真模拟。3、应用设计的雾霾预测模型实现对长春地区雾霾时序的预测。为显示此模型能使预测状态更加的逼近真实值,给出一次预测后经卡尔曼偏差调整的雾霾预测结果与单个雾霾预测模型预测结果的对比。4、用扩散模型分析验证风力影响下的PM2.5浓度变化趋势并仿真模拟雾霾的扩散消失。5、论述了如何以此模型为基础建立雾霾预测系统。为求得此雾霾预测模型的预报准确率,采用改进的卡尔曼滤波偏差调整的预测模型对选定的长春雾霾序列进行回滚预测。模型的建立源于生活,也服务于生活。对任何事物发展规律的预测模拟都是为了趋利避害。当然对雾霾的预测也不列外。所以在雾霾频发的当下,人们外出活动都得全面武装。为了使雾霾对身体的负面影响降到最低,建立雾霾预测和扩散消失模型,定量预测雾霾浓度的同时分析判断雾霾消散的大概时间,为人们在雾霾天的出行给出可以安全出行的消息通知。

雷蕾[7]2007年在《人工神经网络在大气污染预报中的应用研究》文中指出随着社会经济的发展、城市人口的膨胀,大气污染问题日趋严重。为更好地反映环境污染变化趋势,加强空气污染防治,预防严重污染事件发生,研究大气污染预测方法、开展大气污染预报意义重大。由于大气环境系统自身复杂多变且其已经积累了海量历史监测数据,传统预报方法难以充分挖掘历史数据中的有用信息实现精确预报。本论文将人工神经网络技术应用到空气污染预报领域中,借助神经网络的非线性处理能力和容噪能力,设计出基于人工神经网络空气污染预报方法,为环境管理决策提供及时、准确、全面的环境质量信息。本论文采用伦敦市PM2.5的小时平均浓度数据,利用人工神经网络技术建立预报模型,定量预测伦敦市PM2.5的小时平均浓度。论文首先选择误差反向传播网络作为污染物浓度预测的工作网络,在进行大量试验分析的基础上,确定了网络结构。论文提出采用贝叶斯归一化训练算法和提前停止法来训练网络,同时对于如何选择权值初始化方法、样本集如何划分、划分比例等进行了研究,为今后网络结构参数的确定、训练方法的选择提供了重要的参考经验。论文还提出了利用自组织竞争网络将一年分为不同季节,按季节分别建立不同污染物各小时污染物浓度预报网络,以提高网络预测性能的办法。其次,论文分别讨论了样本集数据量、样本集数据去噪与否和气象因素对于网络预报性能的影响。论文的试验结果表明所建立的预报网络对PM2.5的小时浓度有较好预测精度和良好的泛化能力。最后,论文根据总结提出的建模方法,对PM10、NOx、O3分别建立了预报模型进行预测。论文的研究从实践上证明了人工神经网络用于空气污染预报的可行性,它为信息社会的城市空气污染预报工作提供了一种全新的思路和方法,也为充分利用海量环境数据提供了一种切实可行的方法。

蔡鹏[8]2009年在《基于城市地价动态监测的城市地价预警研究》文中进行了进一步梳理近年来,全国范围内城市土地价格涨幅巨大,土地市场总体态势发展迅猛。如何判断逐步走高的地价是否与社会经济增长相协调,怎样科学合理地监控市场动态进而规范地价走向,已经成为了土地管理工作的重点与难点。以往国内学者对城市地价的预警研究大多缺乏警限的合理分析,一般是从定性角度进行判断;同时在预警过程中,往往以预测为主,偏离了预警的原则。本文借鉴经济预警理论与方法,以城市地价动态监测体系构架下的地价指标为依据,进行了细致、严谨的城市地价预警研究:确定“土地市场发展速度过快,城市地价严重失控”为预警内容,依据城市地价动态监测研究成果建立地价预警指标体系,运用主成份分析法计算指标权重,运用误差分析理论中的3δ法计算指标警界区间及单指标警值,最终通过综合警值结果判定地价预警警度。基于长春市较为完备成熟的地价动态监测指标体系,本文对长春市地价监测预警进行了实证研究,对近几年长春市的地价警情进行了判断,并采用灰色GM(1,1)模型预测了未来一段时间长春市的地价综合警情及警度。最后,本文得出结论:从历史数据分析来看,1995—2013年长春市地价预警警度为正常,土地市场发展平稳。

刘实, 王宁, 朱其文, 王新国, 胡中明[9]2001年在《长春市空气污染潜势预报的统计模型研究》文中认为近20年来,空气污染与气象条件关系的研究成果不断问世.但由于气象、气候条件各异,季节特点不同,首要污染物种类的差别,因此两者之间的关系也必然存在地域差异.为此,我们对我国东北的重点工业城市长春的污染潜势预报方法进行了专门研究.

应爽[10]2016年在《吉林省中尺度暴雨分型及其预报研究》文中进行了进一步梳理暴雨天气是导致洪涝、滑坡、泥石流等多种灾害的关键因素,其形成机理和准确的预报预警等问题,仍然是世界性的难题。进一步掌握中尺度暴雨的发生规律和机理,探索吉林省中尺度暴雨的客观预报方法,建立客观、自动化的暴雨预报系统,对提高暴雨天气预报预警水平,进一步提升防灾减灾工作成效具有重要的科学价值和现实意义。本文对吉林省中尺度暴雨的天气分型和预报问题进行了较细致的研究,采用常规气象观测资料及区域自动气象观测站等资料,首先统计了2010-2012年吉林省中尺度暴雨个例,分析了其时空分布特征;其次利用WRF模式对暴雨个例进行了数值模拟,并利用WRF模式输出的高分辨率产品资料对其进行了中尺度分析,得到了吉林省中尺度暴雨4个分型及各分型的特征;第叁,根据暴雨形成机理,采用14项主要物理量作为暴雨预报筛选因子,得到了不同分型的中尺度暴雨预报因子阈值;第四,在上述研究的基础上,建成“吉林省暴雨指标预报业务系统”,并进行了暴雨预报效果检验。主要研究结果如下:1.吉林省中尺度暴雨按照空间尺度分为两类,分别是中α-β尺度暴雨和中γ尺度暴雨。其中,中α-β尺度暴雨在全省的空间分布呈现中南部最多,东部次之,西部最少的特征;中γ尺度暴雨的分布随机性较大、局地性特征明显。受地形影响,通化地区是中α-β尺度和中γ尺度暴雨发生频率最高的地方。2.吉林省中尺度暴雨一般出现在5-9月,最早出现在5月5日(2010),最晚出现在9月28日(2012);7-8月为暴雨多发期,其中7月出现的频次最高(51.4%),8月次之(30.6%)。5-6月以中γ尺度暴雨为主,7-9月以中α-β尺度暴雨居多。近几年,暴雨年际变化表现为2010年出现次数最多(44.4%),2012年次之(31.9%),2011年最少(23.6%)。3.吉林中α-β尺度暴雨的68.9%是在副热带高压和西风带系统相互作用的大尺度背景下产生的;22.2%的暴雨是单纯受西风带系统影响而产生;少数(8.9%)是受台风北上影响而产生。而中γ尺度暴雨则多半数(55.6%)是在西风带系统影响情况下产生,少半数(40.7%)是受副热带高压和西风带系统共同影响。4.利用WRF3.3.1模拟资料,在对吉林省中尺度暴雨个例分析的基础上,按照中尺度影响系统特征将中尺度暴雨天气划分为切变型、急流辐合型、急流出口区型、近地面辐合线型4种类型。其中急流辐合型暴雨,又可分为急流经向辐合型和急流纬向辐合型两个亚型。通过对4种暴雨天气型的影响系统、空间结构配置、暴雨落区特征等的差异分析发现:切变型中尺度暴雨发生在低空中尺度切变线附近及南侧;急流辐合型中尺度暴雨发生在急流辐合区;急流出口区型暴雨发生在急流头部出口区左侧;近地面辐合线型暴雨出现在辐合线附近。5.通过对14项暴雨天气预报预警因子阈值统计,结合配料法思路,充分考虑动力、热力条件及高低层系统的配合,得到了不同暴雨分型的关键影响预报因子。(1)切变型暴雨对动力和水汽条件要求最高,其中850 h Pa急流强度平均需达到22 m/s左右,一般850 h Pa的温度(T)、露点(Td)和比湿(q),分别达到15、13℃和12 g/kg左右。(2)急流辐合型暴雨同样对动力条件要求较高,850 h Pa急流强度平均需达到22 m/s左右,但是遇到急流强度较弱而水汽等其它条件好时,也可出现暴雨。(3)急流出口区型暴雨在动力条件方面对急流强度要求最低,但辐合条件、水汽和热力条件要求最高,一般850 h Pa的温度(T)、露点(Td)和比湿(q),分别需达到17、15℃和13 g/kg左右。(4)近地面辐合线型暴雨,通常需有大范围的高温、高湿条件,暴雨天气发生在中尺度低空辐合线的区域;暴雨预报预警时,更侧重于近地面层风向、风速的辐合条件。6.建成的“吉林省暴雨指标预报业务系统”,具有结构设计合理、物理依据清晰、方法先进、界面简洁、操作简单、自动化较高等特点,能够充分利用常规和自动站观测资料,并结合WRF3.3.1模拟的高时空分辨率逐3 h预报数据,为分析预报中尺度暴雨提供了良好的技术保障。为了检验该系统的预报预警应用效果,特选取吉林省2013-2014年重点暴雨天气过程,经业务应用检验,预报预警效果良好。上述研究成果,在加深对吉林省中尺度暴雨特征认识的同时,根据不同分型建立的暴雨天气预报阈值及吉林省暴雨指标预报业务系统,对提高吉林省暴雨等强降水天气预报预警提供了新的技术支持,为促进吉林省经济社会发展、防御和减轻暴雨等灾害性天气,提供了重要的决策依据。同时,该研究成果具有一定的推广应用价值。

参考文献:

[1]. 长春市空气质量预报系统的建立及应用[D]. 赵国君. 吉林大学. 2004

[2]. 长春市空气质量预报系统的研制及应用[J]. 王晓冬, 赵国君, 王军. 长春理工大学学报. 2006

[3]. 长春市空气污染潜势预报客观化系统的建立[C]. 王新国, 王宁, 胡中明, 刘实, 陈长胜. “加入WTO和科学技术与吉林经济发展——机遇·挑战·责任”吉林省第二届科学技术学术年会论文集(上). 2002

[4]. 神经网络方法在城市空气质量监测中的应用研究[D]. 张孟. 吉林大学. 2008

[5]. 长春市空气污染状况与气象条件相关性分析[D]. 贲继东. 吉林大学. 2012

[6]. 基于卡尔曼滤波的ARIMA—GM雾霾预测及扩散消失模型研究[D]. 苗亚男. 吉林大学. 2016

[7]. 人工神经网络在大气污染预报中的应用研究[D]. 雷蕾. 北京工业大学. 2007

[8]. 基于城市地价动态监测的城市地价预警研究[D]. 蔡鹏. 吉林大学. 2009

[9]. 长春市空气污染潜势预报的统计模型研究[C]. 刘实, 王宁, 朱其文, 王新国, 胡中明. 城市气象服务科学讨论会学术论文集. 2001

[10]. 吉林省中尺度暴雨分型及其预报研究[D]. 应爽. 兰州大学. 2016

标签:;  ;  ;  ;  ;  ;  ;  ;  

长春市空气质量预报系统的建立及应用
下载Doc文档

猜你喜欢