中国环境科学

作者：黄泳熙, 朱云, 谢阳红, 李海贤, 张志诚, 黎杰, 李金盈, 袁颖枝

单位：1. 华南理工大学环境与能源学院, 广东省大气环境与污染控制重点实验室, 广东 广州 510006;2. 佛山市生态环境局顺德分局, 广东 佛山 528300

关键词：NO2浓度预报,机器学习,预报模型,WRF-CMAQ模型,空气质量监测

基金：高端外国专家引进计划项目(G2023163014L)

在空气质量模拟预报数据基础上,采用套索算法(Lasso)将前馈神经网络(FNN)与基于污染物浓度及气象实时观测值搭建的长短期记忆网络(LSTM)组合,形成了模拟与观测机器学习(SOML)预报模型,开展了佛山市顺德区NO2未来3d 10个镇街空气质量监测点位逐日浓度预报.结果显示:SOML3d的准确性均优于WRF-CMAQ及其它单一模型,其中第一天SOML平均绝对误差(MAE)为4.99 μg/m3,改进幅度达66.18%;SOML不同季节适用性均较强,四季预报效果均较WRF-CMAQ明显提升(MAE分别降低42.18%、42.89%、61.04%、50.91%),其中秋冬季改善幅度更好;相比WRF-CMAQ,SOML预报结果能较好反映顺德区内各站点NO2浓度实际空间分布和数值水平,有效提升了浓度预报精准度.

来源：2023年第12期

《中国环境科学》期刊编辑部

查看中国环境科学杂志2023年第12期