深度学习方法在上海市PM_2.5浓度预报中的应用

更新时间:2023-05-28

【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15.01μg/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.

【关键词】 Sequence to sequence模型 2.5浓度预报 MTU3MTZxbUJBRDd1UUtyaWZaZVp2SHluZ1U3Yk5JRnNRTlNEVUJyR21HOGc1TndtOWdIK09sQk5JeUJVUzZ6ZDVQbjJV) &#xA ">PM2.5浓度预报 WRF-Chem 上海市

阅读全文