基于机器学习方法的西安市数值模拟优化研究学术资讯

基于机器学习方法的西安市数值模拟优化研究

李娟1, 尉鹏2, 戴学之2, 赵森3, 张博雅2, 吕玲玲2, 胡京南2

1. 西安科技大学测绘科学与技术学院, 陕西西安 710054;
2. 中国环境科学研究院大气环境研究所, 北京 100021;
3. 合肥市气象局, 安徽合肥 230041

- 摘要 -

为提高西安市ρ（PM2.5）及ρ（O3）预报准确率，更好地服务西安市预报预警工作，以CAMx模式预报结果为基础，结合中尺度WRF气象预报数据、ρ（PM2.5）及ρ（O3）观测数据，基于多元线性回归、岭回归、lasso回归、决策树、随机森林以及支持向量机6种机器学习优化模型，对西安市2019年PM2.5及O3模拟结果进行优化。

结果表明：①CAMx模式对污染物的预报存在偏差，优化模型明显修正了CAMx模式的系统性偏差，提高了预报精度.②ρ（PM2.5）及ρ（O3）的均方根误差（RMSE）由174.00、37.11 μg/m3分别降至34.36~39.37、24.77~28.82 μg/m3，相关性系数（R）由0.63、0.78分别提至0.70~0.78、0.83~0.88.③不同模型对模拟值的订正优势不同，随机森林对PM2.5优化效果显著，优化提高率为80%；支持向量机对O3的优化效果最理想，优化提高率为36%；线性回归方法对O3的优化效果较好，但对PM2.5的优化效果相对较差.研究显示，机器学习模型显著优化了CAMx模拟结果，反映了利用机器学习修正空气质量数值模式预报结果的研究意义和可行性.

来源：1988 环境科学研究

原文链接：http://mp.weixin.qq.com/s?__biz=MzA4OTUwMDM1Ng==&mid=2654533033&idx=2&sn=a8cad05753b1f45a0f112a9defd4333a

电话：（010）86409582

邮箱：kejie@scimall.org.cn