论文部分内容阅读
近年来,随着经济的发展、人口的增长,我国的大气污染的问题越发的严重,很多区域都出现了重污染天气,且时间长、范围大,尤其是京津冀及周边地区的污染问题最为严重。因此,寻找并研究实时高效的空气质量预报方案非常重要,不仅能指导民众出行,还能为防治天气污染提供有效的技术支撑,具有重要的探索意义。空气污染预报模型是当前空气污染研究领域的一个热点,但由于体质及技术发展等原因,国内外数值预报及传统的统计预报模型难以满足我国的空气污染预报及预警的业务需要。针对以上情况,本文针对京津冀地区构建了基于分层稀疏表示的PM2.5浓度预报模型,并结合环境要素构建了基于分层稀疏表示的能见度预报模型。首先,选取京津冀地区内海拔高度均低于1km的气象及环境站点,对污染物PM2.5浓度的全年分布特征及能见度全年分布特征进行分析、同时对PM2.5浓度、能见度及气象因子进行了pearson相关系数分析。分析结果表明:京津冀城市污染状况相对而言比较严重,PM2.5的污染比例较大,主要集中在1月、2月、3月、11月和12月。其次,以北京等站点为例,并根据PM2.5的相关影响因子结合模糊C均值聚类（FCM）算法及稀疏表示算法,建立了PM2.5浓度的预报模型,对京津冀主要站点的PM2.5浓度进行了预报,与现有模式对比,并对预报结果进行了多方面的分析。结果表明,该模型能有效缩短预报时间,提高PM2.5浓度的预报准确率。最后,根据能见度的相关性分析,选取预报因子,根据模糊C均值聚类（FCM）算法及稀疏表示算法构建能见度预报模型,对冬季京津冀主要站点的能见度进行了预报,并与现有模式及BP神经网络法对比,对预报结果进行了多方面的分析。结果表明,预报因子结合了污染物浓度后能够有效提高低能见度天气的预报准确度。可见,以模糊C均值聚类（FCM）算法及分层稀疏表示算法建立的PM2.5浓度及能见度预报模型,能进行有效预报,验证了该方法在PM2.5浓度及能见度预报上的潜力。且以分层稀疏表示法建模简单易扩展,提高了PM2.5浓度及能见度预报的精度,便于应用于其他气象分析。