深度学习方法在上海市PM2.5浓度预报中的应用

• 作者: 余钟奇 曹钰 瞿元昊 许建明 马井会
• 来源期刊: 中国环境科学
• 学科: 地球科学
• 关键词: Sequence to sequence模型 PM2.5浓度预报 WRF-Chem 上海市
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 大气污染与控制
• 页码范围: 530-538
• 页数: 9页
• 分类号: X513
• 字数: 6967字
• 语种: 中文

摘要

为提升PM2.5浓度预报能力,尤其是对PM2.5重污染的预报能力,以中尺度气象-化学耦合模式系统(WRF-Chem)为基础,结合中尺度WRF气象预报数据、地面及高空气象观测数据、PM2.5浓度观测数据,基于人工智能深度学习序列到序列的算法建立了上海市PM2.5统计预报模型.结果表明,人工智能深度学习算法(Seq2seq)明显修正了WRF-Chem模式由于模型非客观性造成的偏差,提高了上海市PM2.5浓度的预报能力;该算法优化和修正了WRF-Chem模式结果,并通过检验发现可以使PM2.5浓度预报值与实况值间的相关系数由0.51上升至0.79,均方根误差由25.9μg/m3下降至15.01 μg/m3.而单独使用套索法(Lasso)线性回归算法对WRF-Chem模式优化效果不理想.基于Seq2seq的PM2.5浓度预报修正模型能够有效提升预报精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许建明		8	29	3.0	5.0
2	瞿元昊		6	30	3.0	5.0
6	马井会		3	24	2.0	3.0
12	余钟奇		5	21	2.0	4.0
16	曹钰		2	23	1.0	2.0