融合Lamb-Jenkinson分型法和LSTM神经网络的PM2.5预测研究
段雯瑜1
陈敏东2
黄山江3
戴美魁4
王新宁3
徐利4
1.江苏省大气环境监测与污染控制重点实验室,南京信息工程大学环境科学与工程学院,江苏 南京 210044;张家口市气象局,河北 张家口 0750002.江苏省大气环境监测与污染控制重点实验室,南京信息工程大学环境科学与工程学院,江苏 南京 2100443.张家口市气象局,河北 张家口 0750004.河北建筑工程学院,河北 张家口 075000
摘要：文章采用NCEP/NCAR逐日海平面气压场资料,利用Lamb-Jenkinson环流分型法对张家口大气环流进行分型,分析环流型与PM25质量浓度之间的关系,并针对PM2.5浓度的预测,提出一种融合Lamb-Jenkinson环流分型和LSTM神经网络混合模型的方法,即以环流指数为预测因子基于LSTM方法搭建PM2.5质量浓度的预测模型.结果 表明:影响张家口地区的主要环流型有反气旋型、气旋型、偏北平直型、西南平直型、偏西平直型、东北平直型等、西北平直型、偏东平直型.PM2.5污染日出现的主要环流型为南气旋平直型、东南平直型、偏南平直型、偏东气旋型、西南气旋平直型、偏东平直型、气旋型等,而反气旋型和反气旋式平直环流型不利于污染出现.张家口地区的PM2.5污染与地面环流有着密切的联系,当存在PM2.5污染时,张家口地区处于日本海高压后部的均压场区域,污染越严重,日本海高压中心强度越强.模型预测结果的均方根误差为9.88、平均绝对误差为5.84、拟合优度达0.80,表明该模型具有一定的预报能力.
关键词：环流分型法PM2.5预测模型LSTM神经网络
分类号：X511(大气污染及其防治)
资助基金：国家重点研发计划(2018YFC0213802)
论文发表日期：2020-01-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 92-97 )
英文信息