论文部分内容阅读
随着雾霾的灾害性逐渐被人们揭开,其现已成为制约我国局域经济发展、危害人民身体安全、破坏我国可持续发展战略的凶手。面对日渐频繁的雾霾灾害,如何建立实时准确的雾霾监测和预测系统为当务之急。近几年来,随着GPS气象学的不断发展,其具有全方位、全天候、实时、高精度、低成本的反演大气水汽技术,不仅促进了我国对强降雨的预报能力,也为雾霾灾害的监测和预测提供了新思路。因此本文将进一步挖掘GPS气象学与神经网络算法相结合在实时、有效的监测和预测雾霾灾害天气方面的应用潜能,发挥两者在环境的监测与预测中的作用与优势,有利于预防雾霾引起的环境灾害再次发生,这对于雾霾灾害的预防治理具有重要研究价值。针对中国地区雾霾污染严重的七个城市,本文通过介绍了雾霾的危害,以及分析其形成的因素,指出了针对研究如何减少雾霾对人类危害性的必要性,并对此做了以下研究。1、2015和2016年各城市PM2.5质量浓度值和空气质量指数AQI月均值整体上均为夏秋两季相对较小,春季次之,冬季明显高于其他季节,呈现显著的季节性变化规律,且其在不同月份均具有良好的对应关系,相关系数集中在0.771-0.999之间,属于高度相关,因此PM2.5质量浓度可以作为反映环境污染的一个重要指标;2、利用CMONOC基准站数据获取的对流层天顶总延迟ZTD和并址的NOAA气象站相关数据,通过Saastamoinen模型反演得到中国地区七个雾霾灾害严重城市2015和2016年四季各一个月的可降水量PWV数据,并将其与相对应的PM2.5质量浓度数据做对比分析,研究结果表明:各城市的GPS-PWV与PM2.5数据在时间序列的变化下,两者整体上表现为中度正相关;3、通过对比分析各城市2015和2016年三、六、九、十二月份在不同预报因子和模型下的预测值发现:使用GA-BP神经网络模型比BP神经网络模型预测的数据精度更高,更加稳定,就整体而言,使用包含GPS-PWV数据相比单纯使用影响雾霾的大气环境因素和气象因素作为预报因子的GA-BP神经网络预测值的相对误差偏小,其预测值的精度和可靠性均有所提高;4、由于夏秋两季雨水较多的缘故,各城市在2015和2016年的GPS-PWV与PM2.5的相关系数整体上为三月份和十二月份较大,相关性较强,六月份和九月份相对较小,相关性较弱;各城市在2015和2016年的预测值整体表现为,三月份和十二月份的预测值相比六月份和九月份的预测值,其精度和可靠性更高。将GPS-PWV数据联合影响雾霾主要的大气环境因素和气象因素作为GA-BP神经网络模型的预报因子,有利于提高PM2.5质量浓度数据预测的精度和可靠性。