霾客觀預報和訂正技術的研究與應用.pdf

1、近些年來，霾作為城市大氣污染的主要形式，不斷侵襲京津冀、長三角和珠三角等工業(yè)、經(jīng)濟較發(fā)達的地區(qū)。霾出現(xiàn)的頻率和濃度也在逐年升高。霾中包含數(shù)百種大氣顆粒物，部分顆粒物能直接進入人體呼吸道和肺葉中，從而引起呼吸道慢性疾病。此外，顆粒物造成的消光作用使得大氣能見度降低，影響正常的交通安全。因此對霾的預報技術研究逐漸成為當前治理大氣污染的熱點問題。本文采用統(tǒng)計學中的多元逐步回歸，時間序列分析和卡爾曼濾波等方法，研究了霾的客觀預報和訂正技術。研究

2、結果驗證了本文方法對霾預報的可靠性，為政府部門制定相應的應急措施提供了技術保障和決策參考。
　　(1)研究基于多元逐步回歸算法與卡爾曼濾波相結合的霾客觀預報訂正模型。該方法首先從國家氣象局獲取的歐洲中期天氣預報中心(ECMWF)細網(wǎng)格數(shù)值預報產(chǎn)品中選取4個典型站點，利用統(tǒng)計預報的大樣本數(shù)據(jù)，計算每一個預報因子與預報量之間的相關性，通過多元逐步回歸方法篩選出對預報量和預報模型貢獻最顯著的預報因子，建立能見度客觀預報模型，然后將該模型

3、作為卡爾曼濾波方法的初始矩陣，加入能見度實況資料，建立能見度客觀預報訂正模型。實驗結果表明，該方法與國家氣象局現(xiàn)有業(yè)務上運行的霧霾數(shù)值預報系統(tǒng)CUACE相比，霾客觀預報的準確率有較大提高。
　　(2)為了提高霾預報的準確率，解決時序模型的預測延時和準確率不高問題，提出了一種基于時間序列分析和卡爾曼濾波相結合的混合霾預報算法。首先利用圖檢驗法和單位根檢驗法(ADF)檢驗時間序列的平穩(wěn)性，通過差分運算將非平穩(wěn)序列轉化成平穩(wěn)序列，對轉化