[发明专利]一种未来72小时大气污染预报预警方法

说明书

本发明公开了一种未来72小时大气污染预报预警方法。该方法步骤为：1)训练RNN神经网络对未来72小时大气污染物浓度进行预测；2)采用WRF模拟出未来72小时气象场的时均值；3)将步骤2)中得到的未来72小时气象场的时均值作为步骤1)中已训练完成的RNN神经网络的输入数据，并得到RNN神经网络输出的未来72小时的SO₂、NO_x、PM_2.5和PM₁₀浓度时均值；4)获取步骤2)中得到的未来72小时气象场的时均值以及步骤3)中由RNN神经网络输出的未来72小时的NO_x、PM_2.5浓度时均值，将两者一起作为步骤1)中已训练完成的RNN神经网络的输入数据，并得到RNN神经网络输出的未来72小时的O₃浓度时均值。相比传统方法，本发明精度更高，所需运行时间更短，收敛更快。

技术领域

本发明属于气象预报领域，具体涉及一种未来72小时大气污染预报预警方法。

背景技术

我国遭受重度大气污染，尤其是东部工业化地区，已近20年，严重妨碍人民群众生产生活。因此如何预测、预警大气污染物是当前的研究重点。在现有技术中，有较多的专利公开了此类预报预警方法。例如，在申请号为CN201810223633.7的发明专利中公开了一种基于RBF神经网络的大气污染物浓度预测方法，根据被预测地区的实际情况，将实验数据进行划分，针对大气污染物浓度数据进行预处理；使用MMOD改进的k-means算法求出聚类中心，并基于方差求取每个核函数宽度；对实验数据进行抽样，参与创建的RBF神经网络的数据子集为IOB，剩下未被抽到的为OOB袋外数据；对学习器进行评价，筛选出泛化误差最小的RBF神经网络，训练集成RBFNN模型；利用加权集成RBFNN算法，基于加权欧式距离，通过聚类中心、宽度、权值训练单个参数优化RBFNN，并应用到集成RBFNN上，对数据预测。

申请号为CN201310038573.9的发明专利中公开了一种基于数值模式与统计分析结合的大气重污染预报方法，包括：获取NCEP全球预报背景场数据；手动强制生成或气象模式运行结束后自动生成预测触发指令；启动预测指令，得到模拟区域及周边地区的气象要素数据集；获取空气质量监测数据；生成预报因子集数据文件；通过能见度预报子模式得出预报日的能见度；通过污染程度初判子模式定性判别预报日的空气质量级别；通过天气类型识别子模式诊断识别预报日的天气类型；通过重污染定量化预报子模式运算得出预报日的污染物浓度；确定该污染程度对人体的危害级别，为管理者提供应急管理决策依据。本发明对大气重污染的预测效果与国内外各现行空气质量预报系统的高浓污染天气预报效果相比有明显改善。

上述这些方法的预测精度总体尚达到要求，有待于进一步改进。

发明内容

本发明的目的在于解决现有技术中存在的问题，并提供一种未来72小时大气污染预报预警方法。

本发明所采用的具体技术方案如下：

未来72小时大气污染预测方法，其步骤如下：

1)训练RNN神经网络对未来72小时大气污染物浓度进行预测；其中预测SO₂、NO_x、PM_2.5和PM₁₀浓度所采用的输入训练数据为目标区域范围内每小时的温度、相对湿度、风速、风向、降雨量、大气压、湿静力总能量、温度露点差和水气压；预测O₃浓度所采用的输入训练数据为目标区域范围内每小时的温度、相对湿度、风速、风向、降雨量、大气压、湿静力总能量、温度露点差、水气压、PM_2.5和NO_x浓度；

2)采用WRF模拟出未来72小时气象场的时均值，即目标区域范围内每小时的温度、相对湿度、风速、风向、降雨量、大气压、湿静力总能量、温度露点差和水气压；