霾客觀預(yù)報(bào)和訂正技術(shù)的研究與應(yīng)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(jì)較發(fā)達(dá)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(jìn)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(yù)報(bào)技術(shù)研究逐漸成為當(dāng)前治理大氣污染的熱點(diǎn)問題。本文采用統(tǒng)計(jì)學(xué)中的多元逐步回歸，時(shí)間序列分析和卡爾曼濾波等方法，研究了霾的客觀預(yù)報(bào)和訂正技術(shù)。研究

2、結(jié)果驗(yàn)證了本文方法對霾預(yù)報(bào)的可靠性，為政府部門制定相應(yīng)的應(yīng)急措施提供了技術(shù)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(jié)合的霾客觀預(yù)報(bào)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(yù)報(bào)中心(ECMWF)細(xì)網(wǎng)格數(shù)值預(yù)報(bào)產(chǎn)品中選取4個(gè)典型站點(diǎn)，利用統(tǒng)計(jì)預(yù)報(bào)的大樣本數(shù)據(jù)，計(jì)算每一個(gè)預(yù)報(bào)因子與預(yù)報(bào)量之間的相關(guān)性，通過多元逐步回歸方法篩選出對預(yù)報(bào)量和預(yù)報(bào)模型貢獻(xiàn)最顯著的預(yù)報(bào)因子，建立能見度客觀預(yù)報(bào)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(shí)況資料，建立能見度客觀預(yù)報(bào)訂正模型。實(shí)驗(yàn)結(jié)果表明，該方法與國家氣象局現(xiàn)有業(yè)務(wù)上運(yùn)行的霧霾數(shù)值預(yù)報(bào)系統(tǒng)CUACE相比，霾客觀預(yù)報(bào)的準(zhǔn)確率有較大提高。
　　(2)為了提高霾預(yù)報(bào)的準(zhǔn)確率，解決時(shí)序模型的預(yù)測延時(shí)和準(zhǔn)確率不高問題，提出了一種基于時(shí)間序列分析和卡爾曼濾波相結(jié)合的混合霾預(yù)報(bào)算法。首先利用圖檢驗(yàn)法和單位根檢驗(yàn)法(ADF)檢驗(yàn)時(shí)間序列的平穩(wěn)性，通過差分運(yùn)算將非平穩(wěn)序列轉(zhuǎn)化成平穩(wěn)序列，對轉(zhuǎn)化