广州市空气污染影响因子与预报建模
广州市区大气污染特征与影响因子分析
规律 ，除 Ｓ ２ Ｏ 春夏秋季污染最严重 ，其余几项污染 程度由高到低的顺序均为冬季 ， 春季 ， 秋季 ， 夏季 。
表 ２ ０ ０－２ ０ ２ ０ － ０ ４年 广 州市 大气 污染 物质 ■浓 度 的季 节分布 －
Ｔ ｂｌ Ｓ ａ ｏ ａ ｈ ｎ ｅｏ ｔ ｅａｍ ｏ ｐ ｅ ｃｐ ｌ ｔ ｔ’ ｏ ｃ ｎ ｒ ｔ ｎ ａ ｅ２ ｅ ｓ ｎ ｌ ａ ｇ ｆｈ ｔ ｓ ｈ ｒ ｏｌ ａ ｓ ｃ ｎ ｅ ｔ ｉ ｃ ｉ ｕｎ ａ ｏ ｉ ａ ｇ ｈ ｕ Ｃｉ ｏ ２ ０ Ｏ ２ ０ ｎ Ｇｕ ｎ ｚ ｏ ｔ ｆ ｍ ０ ０ ｔ ０ ４ ｙｒ ｍｇｍ一 ・ Ｐ ・ Ｍ ０
我 国学 者 对 城 市边 界层 大气 污 染 状 况 已经 做 了很 多有 益 的研究 ，但 是 ，这些 研究 中 ，由于城市 边 界 层大 气 污染 观测 资料 时 间序列 较短 ，因此 在城 市大 气 污染 年 、季特 征 分析 及其 影 响因子 的研 究方 面不 够 充分 ，而 日由于 以上研 究时段 较 短 ，很 难保 ． 证 观测 时段 的 资料 具 有代 表性 …。本 文利 用广 州 市
摘要 ：以 ２ ０ －２ ０ 广州市 倒控测 点的空气环境 质量 自动监测结果 为基础数据 ，以我 《 ０ ０－ ０ ４年 大气环境质最标准 》的 Ｈ平均
质最浓 度二级标准 为依据 计算广州市 ２ ０ － ２ ０ 年的各大气 污染物的指数 及污染负荷率 ，阐明广州市 区丰要大气污染物 ０ ０ ０４
维普资讯
书 态 环 境 ２ ０ ， （）３ ５３ ８ ０ ７ ｌ ２：０ —０ ６
Ｅｃ ｌｇ ｎ ｖ ｒ ｎ ｎ ｏ ｏ ｙａ ｄ Ｅｎ ｉ ｍｅ ｔ ｏ
ｈｔ：ｗ ．ｅｃ． ｍ ｔ ／ ｗｗｊ ｓｉ ｏ ｐ／ ｅ ｃ Ｅ ｍａｌ ｄｔｒ ｅ ｓｉ ｏ － ｉ ｅ ｉ ＠ｊｅｃ． ｍ ： ｏ ｔ
《广州的空气污染调查报告》
《广州的空气污染调查报告》广州市环保局网站上的空气质量日报显示，3月22日和21日的空气污染指数（api）分别是114和119，全城处于轻微污染状态，而此前几天的空气质量是良。
粤港珠三角区域空气质量监测显示，3月22日，汕头、深圳、珠海、惠州等地污染物严重超标，广州的污染物浓度超过空气质量指标限值，同样受到了严重污染。
我们的呼吸道在无声无息中究竟被什么袭击了。
是沙尘还是灰霾还是其他的什么。
专家们各执一词，但是基本都认可本地的污染才是根本原因。
不过省气象局首席预报员卢山认为，北方的沙尘天气还是对广州产生了影响，导致悬浮颗粒浓度增高。
“肉眼观测不是很显著，实际上它已经进入了你的呼吸道”，卢山说，但它起的只是间接作用。
还有一个很重要的原因是广东近地层工业和生活污染物的排放。
新一轮的沙尘天气已经于22日影响华北，该团冷空气今日开始影响广东。
它会不会带来沙尘呢。
卢山认为，本轮冷空气昨日已给江南地区带来降雨，携带的浮尘开始减弱。
预计到广东后即使仍然携带一些浮尘，也难成气候，影响会比较小。
造成我市大气污染严重的主要原因：（1）生活污染源人们由于烧饭、取暖、沐浴等生活上的需要，如炉灶、锅炉等燃烧化石燃料，而向大气排放的煤烟和so2等，具有量大、分布广、排放高度低等特点，其危害性不容忽视，还有新房有毒化学气体，甲醛，苯。
北京儿童医院统计显示“90％的白血病患儿的家庭在半年内进行过装修”---甲醛：人造板材粘合剂、化妆品、清洁剂、杀虫剂、消毒剂、防腐剂、印刷油墨等中都含有甲醛，它具有刺激性气味。
危害：吸入高浓度甲醛后，会出现呼吸道的严重刺激。
经常吸入少量甲醛，会引起慢性中毒。
苯：苯主要存在于油漆、涂料、乳胶漆及家具中，是一种无色、具有特殊芳香气味的化学品。
危害：长期接触苯会对血液造成极大伤害，引起慢性中毒，可导致白血病，甚至出现再生障碍性贫血。
苯在体内的潜伏期可长达12-xx年。
（2）工业污染源包括火力发电厂、钢铁厂、水泥厂和化工厂等耗能较多企业燃料燃烧排放的污染物，各生产过程中的排气（如炼焦厂向大气排放h2s、酚、苯、烃类等有毒物质；各类化工厂向大气排放具有刺激性、腐蚀性、异味性或恶臭的有机和无机气体；化纤厂排放的h2s、nh3、cs2、甲醇、丙酮等）以及生产过程中排放的各种矿物和金属粉尘。
广州PM_2_5_污染特征及影响因素分析_朱倩茹
第29卷第2期2013年4月中国环境监测Environmental Monitoring in China Vol．29No．2Apr．2013广州PM 2.5污染特征及影响因素分析朱倩茹，刘永红，徐伟嘉，黄敏中山大学智能交通研究中心，广东广州510275摘要：对广州市2008—2010年PM 2.5质量浓度、影响因素数据资料进行整理统计，通过定性分析、定量计算以及对各物理量之间的相互作用过程研究，得出PM 2.5质量浓度变化特征和各影响因素之间的关系。
结果表明，PM 2.5质量浓度变化呈现夏季和非夏季2种典型的季节性特征，夏季月平均值0.049mg /m 3，主要分布在0.03 0.05mg /m 3，非夏季月均值为0.063mg /m 3，分布于0.05 0.08mg /m 3之间；夏季、非夏季PM 2.5质量浓度超标率（采用美国EPA 标准）分别为70.7%、77.8%，质量标准2倍、3倍以上出现的概率都表现出明显的季节性差异；PM 2.5与温度正相关，和其他因素负相关，其中与能见度相关性最大，其次是温度、风速，与降雨量相关性最差，与气压、相对湿度相关系数季节性特征显著。
关键词：PM 2.5；污染特征；气象因素；相关性；超标率中图分类号：X823文献标志码：A文章编号：1002-6002（2013）02-0015-07Analysis on the Pollution Characteristics and Influence Factors of PM 2.5in Guangzhou ZHU Qian-ru ，LIU Yong-hong ，XU Wei-jia ，HUANG MinResearch Centre of Intelligent Transportation System ，Sun Yat-sen University ，Guangzhou 510275，ChinaAbstract ：Through sorting the data of PM 2.5concentration and influence factors of Guangzhou from 2008to 2010，with qualitative analysis 、quantitative calculation and study on the interaction of physical quantities ，obtained variation characteristics of PM 2.5concentration and its relationship with influencing factories．Results showed that ：PM 2.5concentration showed two typical summer and non-summer seasonal characteristics ，while the average monthly concentration in summer was 0.049mg /m 3，mainly distributed in 0.03－0.05mg /m 3，and in non-summer was 0.063mg /m 3，distributed in 0.05－0.08mg /m 3；The over standard rate （based on the USEPA Standards ）in summer and non-summer was 70.7%and 77.8%，the surpassing times exceeding 2or 3times of the quality standard showed obvious seasonal variations ；PM 2.5had positive correlation with temperature and negative correlation with other factors．The most relevant factor was visibility ，followed by temperature and wind speed ，and the final one was rainfall．The correlation between PM 2.5and air pressure 、relative humility showed obvious seasonal characteristics．Key words ：PM 2.5；pollution characteristics ；meteorological factors ；correlation ；over standard rate收稿日期：2011-06-09；修订日期：2012-09-19基金项目：国家自然科学基金（51108471）作者简介：朱倩茹（1986-），女，河北石家庄人，硕士．通讯作者：刘永红大气气溶胶是当今国际上大气化学研究的前沿领域，其物理化学特征的研究一直是大气环境研究的重要且普遍的问题［1-2］。
广 州 市 空 气 污 染 影 响 因 子 与 预 报 建 模
２ 空气污染指数的特征
２ ． １ 空气污染指数的基本描述统计 为了解广州市空气 Ａ Ｐ Ｉ 的基本分布规律， 把 ２ ０ ０ ７ —２ ０ ０ ９年的 Ａ Ｐ Ｉ 指数日均值进行频数分析
收稿日期： ２ ０ １ １－ － 项目资助： 广州市气象局“ 广州市空气污染影响因子分析与建模研究” 课题资助项目 作者简介： 黎洁仪（ １ ９ ８ ４年生） ， 女， 助理工程师， 硕士， 主要从事天气预报和研究工作。
２
广东气象
第３ ５卷
得出： 最小值为 １ ４ ， 最大值为 １ ６ ７ ， 平均为 ６ ０ ７ ， 出现次数最多为 ５ ２ ， 指数值出现频率较高区间 为（ ５ １～ ６ ６ ） 。 ２ ． ２ 空气污染指数的分布特征 ２ ０ ０ ７ —２ ０ ０ ９年 ３年中 Ａ Ｐ Ｉ ＞ １ ０ ０ （ 轻微污染） 的污染日共有 ７ ０ｄ ， 从污染日数分布表看， ３年 —８月均无出现 Ａ Ｐ Ｉ ＞ １ ０ ０的污染日， 污染时 中５ 间集中在 １ —４月 和 ９ —１ ２月， 说明广州市在秋 冬两季及春初季节出现污染日可能性最大。从 污染日数和 Ａ Ｐ Ｉ 的年际变化看（ ２ ０ ０ ７ 、 ２ ０ ０ ８ 、 ２ ０ ０ ９ 年污染日数分别为 ３ ２ 、 ２ １ 、 １ ７ｄ ； Ａ Ｐ Ｉ 年均值分别 ４ ． １ ７ 、 ５ ９ ． ７ ０ 、 ５ ８ ． ２ ６ ） ， ２ ０ ０ ７ —２ ０ ０ ９年污染日 为６ 数和 Ａ Ｐ Ｉ 年均值呈现逐年下降的趋势， 表明广州 市 ３年内污染日减少， 空气质量有所提高。
空气质量与人们的日常生活密切相关， 随着 工业经济的发展和人口的增多， 城市空气污染问 题日趋突出。引发空气污染事件的根本原因是 污染物排放， 同时与影响污染物扩散、 沉降等能
利用PCAkNN方法改进广州市空气质量模式PM2.5预报
第３５卷第１期２０１９年２月热带气象学报ＪＯＵＲＮＡＬＯＦＴＲＯＰＩＣＡＬＭＥＴＥＯＲＯＬＯＧＹＶｏｌ．３５，Ｎｏ．１Ｆｅｂ．，２０１９汤静，王春林，谭浩波，等．利用ＰＣＡ－ｋＮＮ方法改进广州市空气质量模式ＰＭ２．５预报［Ｊ］．热带气象学报，２０１９，３５（１）：１２５－１３４．文章编号：１００４－４９６５（２０１９）０１－０１２５－１０利用PCA-kNN 方法改进广州市空气质量模式PM 2.5预报汤静１，王春林１，谭浩波２，邓雪娇３，邓涛３（１．广州市气候与农业气象中心广东广州５１１４３０；２．广东省生态气象中心广东广州５１０６４０；３．中国气象局广州热带海洋气象研究所／广东省区域数值天气预报重点实验室，广东广州５１０６４０）摘要：为了提高广州市ＰＭ２．５客观预报能力，采用主成分分析结合机器学习算法ｋ近邻（ＰＣＡ－ｋＮＮ）方法，基于空气质量模式（ＣＭＡＱ）预报产品、中尺度天气模式（ＧＲＡＰＥＳ－ＭＥＳＯ）预报产品和２０１７年上半年广州ＰＭ２．５观测实况，试验确定ＰＣＡ－ｋＮＮ方法的最佳参数方案，建立广州市空气质量模式ＰＭ２．５预报客观订正方法。
结果表明：与ＣＭＡＱ模式的ＰＭ２．５预报相比，在第１￣３天预报时效上，ＰＣＡ－ｋＮＮ订正结果与实况的相关系数分别提高２０％、１５％、２９％，均方根误差分别降低１７％、１６％、２０％，平均偏差更接近０，ＰＭ２．５浓度等级ＴＳ评分接近或优于ＣＭＡＱ预报，ＰＣＡ－ｋＮＮ订正结果优于ＣＭＡＱ预报。
机器学习算法ＰＣＡ－ｋＮＮ方法可有效改进广州市空气质量模式ＰＭ２．５预报，本研究对其他地区、其他污染物客观预报研究具有借鉴意义。
关键词：ＰＭ２．５；空气质量模式；ＰＣＡ－ｋＮＮ中图分类号：Ｐ４５６．７文献标识码：ＡDoi ：１０．１６０３２／ｊ．ｉｓｓｎ．１００４－４９６５．２０１９．０１１收稿日期：２０１７－１２－２９；修订日期：２０１８－１１－０５基金项目：国家重点研发计划项目课题（２０１６ＹＦＣ０２０３３０５、２０１６ＹＦＣ０２０１９０１）；广州市产学研协同创新重大专项（２０１６０４０２００２８）；广东省气象局科技创新团队计划项目（Ｎｏ．２０１７０４）；广东省气象局科研项目（ＧＲＭＣ２０１７Ｑ１６）；广州市气象局科研项目（２０１６１８）共同资助通讯作者：王春林，男，江苏省人，研究员，主要从事环境气象、生态气象研究。
广州市区空气环境的 NO2 浓度空间分布估计
点（研究者自设）1年中每两周NO2的平均浓度数据，在拥挤的路边监测站数据 中发现NO2浓度在时空中的变异性很大（在50米或更少的范围内有两到三倍的差 异）。Briggs1997年在论文《Mapping urban air pollution using GIS: a regression-based
表 1.1 空气质量分指数及对应污染物项目浓度
空气 质量 分指 数 (IAQ I) 二 氧 化 硫 24 小 时 平 均 g / m3 二 氧 化硫 1 小 时 平均 二 氧 化氮 24 小 时 平 均 g / m3 二氧化 氮 1 小时 平均 污染物项目浓度极限值 颗 粒 一 氧 一 氧 物 24 化 碳 化 碳 小 时 24 小 （CO） 平均 时 平 1 小时 均 平均/ 3 3 g / m g / m g / m3 臭 氧 （ O3 ） 1 小 时 平 均 臭 氧 （ O3 ） 8 小 时 滑 动平均 颗粒物 24 小时 平均
1.2 相关研究
1.2.1 LUR 模型
由于大气污染物多为煤烟型气体， 早期研究煤烟型大气污染物的模型主要是 通过建立暴露浓度数学模型和解析大气颗粒物源确定燃煤污染物暴露水平， 估计 大气污染物PM10、PM2.5、B(a)P浓度，得到在大气环境常规监测资料不能得到污染 物人群历史暴露水平、 燃煤对大气污染物的贡献率及煤烟型大气污染的现状污染 水平。 在研究大气污染物扩散时主要用的模型多是基于高斯模型基础之上进一步 提出假设形成新的模型。如高斯烟雨模型和AERMOD大气扩散模型。
础环境的LUR模型来估计加拿大魁北克蒙特利尔NO2浓度的空间分布，并将估计 得到的NO2浓度运用在研究流行病学中汽车排放的污染物对人类健康的影响。
Zev Ross等2006年在论文《Nitrogen dioxide prediction in Southern California using land use regression modeling: Potential for environmental health analyses》用美国南加州圣地亚哥39
基于区域建模的能见度预报及影响因子分析
基于区域建模的能见度预报及影响因子分析基于区域建模的能见度预报及影响因子分析摘要：能见度是表征大气中的空气透明状态的重要指标之一，对于交通安全、航空航天、环境监测等领域具有重要意义。
在预测和分析能见度变化的过程中，构建准确的模型是非常关键的。
本文基于区域建模的思想，分析了能见度的预报方法，并探讨了影响能见度变化的因素。
一、引言能见度是指从地面或水线水平视线上所能识别目标的距离。
它受气象条件、空气污染等多种因素的影响。
在很多领域中，如交通运输、航空航天、环境监测等，能见度的预测和分析对于保障安全和环境保护至关重要。
因此，研究能见度预报的方法和影响因子分析对于提高预报准确性具有重要意义。
二、能见度的预报方法1. 统计模型统计模型是能见度预报常用的一种方法。
该方法通过分析历史气象数据，建立数学统计模型来预测未来一段时间内的能见度。
常用的统计模型包括回归模型、时间序列分析等。
通过统计模型的建立和参数训练，可以预测未来的能见度变化趋势。
2. 数值模拟数值模拟是通过计算机模拟大气运动和光传播过程，预测能见度的方法。
该方法以数值天气预报模型为基础，通过求解大气方程、辐射传输方程等来模拟大气中的物理过程，进而预测能见度的变化。
数值模拟方法能够提供较为精确的能见度预报结果，但对计算资源和数据的要求较高。
三、影响能见度变化的因子分析1. 气象条件气象条件是影响能见度变化的主要因素之一。
大气湿度、气温、风速等都会对能见度产生直接的影响。
湿度较大、气温较低、风速较高的情况下，能见度往往较差；相反，湿度较小、气温较高、风速较低的情况下，能见度较好。
2. 空气污染空气污染也是影响能见度的重要因素之一。
大气中的颗粒物、气溶胶等污染物会对光线的传播和反射产生干扰，从而降低能见度水平。
尤其在工业区或城市中，空气污染程度较高，能见度较差。
3. 地形条件地形条件对于能见度的影响也是非常重要的。
山区、河谷等地形地貌会导致局部气候的不稳定和湿度的积聚，从而影响能见度。
大气污染论文-数学建模
大气污染评价与预报模型摘要本文对空气质量的评价及污染预报问题进行了分析，运用层次分析法依据处理后的数据对六个城市的空气质量进行了具体细致的排序；对2010年9月15日至9月21日的各项污染物浓度、各气象参数运用一元多项式回归模型进行了预测；就气象参数所属城市问题及污染物浓度与其的关系建立了相关性分析模型和多元线性回归模型；最后，根据建模过程和结果，我们对相关部门提出了几个具体的建议。
通过将数据附件所给有效数据，即日污染物浓度，转化为对应的月污染物浓度的均值，根据各城市月均污染浓度做出其随时间的走势折线图，分析了各个城市2SO 、2NO 、PM10之间的特点。
我们拟根据API 指数值，以二级达标次数为准，对各城市之间的空气质量进行排名，但由于依据API 的区分空气质量等级时灵敏度较低，故采用了层次分析法对空气质量进行排名。
由于我们采用了全部数据进行排名，而E 、F 数据较少，故只对ABCD 进行了排名。
依据层次分析法得出的排名为：A 、B 、D 、C 。
为了精确预测各城市短期内的数据，本文选用一元多项式回归模型。
对2010年的数据进行分析整理，依据回归模型得出其与时间的关系，得出预测值，并得出其置信度为95%的置信区间，结果显示模型的预测效果尚能接受，能够对所要预测数据进行预测。
但由于F 城市数据缺失，根据假设做了合理的定性分析，并未对其进行定量预测。
分析空气质量与气象参数之间的关系时，首先根据数据完整性，气象参数应只属于其中一个城市，排除了D 、E 、F 的可能性，再根据相关性分析的方法，确定了气象参数属于A 城市。
根据污染物与气象参数之间的因果关系，建立了多元线性回归模型，由于季节对污染物的浓度存在影响，分季节得出各污染物与各气象参数之间的相关系数，定性分析该相关系数，得出污染物与气象参数之间的关系。
最后对该系数的理论与实际意义做了检验。
根据以上分析及结果，确定部分与空气质量控制相关的部门，针对其职能提出了诚恳建议。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
中图 分 类 号 ： Ｐ ４ ９ 文 献标 识 码 ： Ｂ 文 章 编 号 ：１ ０ ０ ７— ６ １ ９ ０ （ ２ ０ ｌ ３ ） ０ ４— ０ ０ ４ ７—０ ４
空气 质量 与人 们 的 日常生 活 密切 相关 ， 随着 工业 经 济 的发展 和人 口的增多 ， 城 市 空气 污染 问 题Ｅ ｔ 趋 突 出。 引 发 空气 污 染 事 件 的根 本 原 因是 污染 物排 放 ， 同时 与 影 响 污 染 物 扩 散 、 沉 降 等 能 力 的气象 条件 有着 密 切 的关 系¨ Ｊ 。因此 ， 分 析 广州 市 空气污 染 的变化 规律 及其 与 气 象要 素 、 污 染物 因子 之 间的关 系 ， 建 立 空 气 污染 指 数 （ Ａ Ｐ Ｉ ） 的预 报模 型对 改 善 空 气 质 量 及 广 州 市 空 气 质 量 的发 布有 重 要 的 意 义 。空 气 质 量 预 报 的主 要 方 法有 数值模 式 、 数 理 统计 和综 合 经 验 ３类 方 法 ， 由于 因此 大 多 采 用 数理 统计 类 的多 元 线 性 回归 和 卡 尔 曼 滤 波
为了解广州市空气 Ａ Ｐ Ｉ 的基本分布规律 ， 把
２ ０ ０ ７ －２ ０ ０ ９年 的 Ａ Ｐ Ｉ Ｅ ｔ 均 值 进 行 频 数 分 析 得
项 目资助 ： 广州 市气象局 “ 广州市空气污染影响因子分析与建模研究 ” 课题资助项 目。
作者 简介 ： 黎沽仪 （ １ ９ ８ ４年生） ， 女， 助理工程师 ， 学士 ， 主要从事天气预报和空气污染研究工作 。
方 法 。不少 城 市 已开 展 利 用 多 元 线 性 回归 方 法
气污 染预 报提供 有益 的参 考 。
１ 资料和方法
本 研 究 所 用 的 资 料 是 广 州 市 环 境 监 测 站 ２ ０ ０ ７年 １月 ＿２ ０ ０ ９年 １ ２月 的 空 气 污 染 指 数 （ Ａ Ｐ Ｉ ） 、 空 气污 染物 （ Ｐ Ｍ。 。 、 Ｓ Ｏ ： 、 Ｎ Ｏ ） 的逐 Ｅ ｔ 平 均 浓 度 。其 中空气 污染 物共有 ９个 采样 点 ， 分 别 为 广 雅 中学 、 海 珠 区站 （ 市 五中） 、 市监测站 、 市 环
料和空气污染物 （ Ｐ Ｍ． 。 、 Ｓ Ｏ 、 Ｎ Ｏ ） 监测数据 ， 分析广州 市空气污 染指数 （ Ａ Ｐ Ｉ ） 与气象要 素及 空气污染
物之 间的联系 ， 挑选 相关因子 ， 用 多元 回归法和径向基神经网络进行 Ａ Ｐ Ｉ 建模 ， 并对 ２ ０ ０ ９年 １ —４月和
９ —１ ２月进行试报 ， 结果表明 ： 后者 预测 效果 比前者优异 ， 可作为广州市空气污染 预报 的参考手段 。
保所（ 天河职幼 ） 、 麓湖公 园、 广东商学 院、 市八
十六 中学 、 番 禺中学 、 花都师 范 学 院 ， 它 们较 好地 代 表 了广 州 市 的污染状 况 ， 取 它 们逐 日平均 浓度
的算术平均值以代表影 响广州市污染物的平均
状 况 。地 面气 象 资料 为 广 州 市 五 山站 同期 的逐
Ｖ ｏ ｌ ＿ ３ ５
Ａｕ ｇ ｕｓ ｔ
Ｎｏ ． ４
２ ０１ ３
广 州 市 空气 污 染 影 响 因子 与预 报 建模
黎洁 仪 。梁之 彦 ， 杨 国杰
（ １ ． 广 州市气象台 ， 广东广州 ５ １ ０ ０ ０ ０ ； ２ ． 广东省气象 台， 广东广州 ５ １ ０ ０ ８ ０ ）
第３ ５卷第 ４期
２ ０ １ ３年 ８月
ｄ ｏ ｉ ： １ ０ ． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ７—６ １ ９ ０ ． ２ ０ １ ３ ． ０ ４ ． ０ １ ０
广 东 气 象
Ｇｕａ ｎ ｇ ｄ ｏ ｎｇ Ｍｅ ｔ ｅ ｏ ｒ ｏ ｌ ｏ ｇ ｙ
建立空气污染预报方程的研究 ， 均取得一定 的成
果 。空气质 量 受 到气 象 场 、 排放 源 、 复 杂 下
Ｅ ｔ 平均 的气压 、 水平能见度 、 平均风 速、 最大风
速、 气温、 绝 对 湿度 、 相对 湿度 、 露 点 温 度及 日降 水量， 共 ９个气 象要 素 。用相 关性 分 析 逐 日空气 污染 指数 与地 面气 象要 素 、 空 气 污染 物 因子 之 间 的关 系 ， 挑 选其 中相 关程 度高 的因子 分别 以多元 逐 步 回归 方程 与 径 向神 经 网络建 立 Ａ Ｐ Ｉ的预 报
模型。
垫面等多种 因素 的影 响 ， 具 有较强 的非线性 特
征， 而 人工 神经 网络是 ２ ０世 纪 ８ ０年代 迅速 兴起 的一 门非 线 性 科 学 ， 特 别 适 用 于 对 具 有 多 因 素 性、 不确 定性 、 随机性 、 非线 性 等特 点 的对 象 进行 研究 ， 已有不 少 的研究 显示 人工 神 经 网络 在 空气 质量 和空气 污染 预报 中 的应 用 效 果 良好 ‘ １ － １ ５ ］ 。 目前 广州 市 空气 污染 预报 主要 采 用 传 统 的数 理
２ 空气污染指数的特征
２ ． １ 空气 污染 指数 的基本 描述 统计
统计和综合经验方法 ， 本研究分别 以数理统计和 人工神经网络两类方法建立空气污染 的预报方
程， 对 比分析 两 类 预 报 模 型 的 优 劣 ， 为 广 州 市 空
收稿 日期 ： ２ ０ １ ３一 Ｏ １—１ ５
摘
要： 利用广 州市环境 监测站 ２ ０ ０ ７ －２ ０ ０ ９年 的空气污染指数 （ Ａ Ｐ Ｉ ） 及 同期地面气象要 素（ 大气
能见度 、 １ ０ ｍ ｉ ｎ平均风速 、 最 大风 速 、 气温 、 绝对 湿度 、 相对 湿度 、 露点温度 、 气压、 ２ ４ ｈ降水量 ） 观测资