太原市PM2.5浓度的气象特征影响分析及预报
利用2016～2020年太原市污染物浓度资料、以及国家基准气象观测站的同期地面气象资料,重点分析了太原市PM2.5浓度的变化特征以及湿度、降水、风和混合层厚度等气象条件对PM2.5浓度的影响,同时探讨了污染物浓度变化的成因,建立基于LSTM神经网络的PM2.5浓度预报模型.结果表明,2016～2020年太原市区冬季出现的重污染天数最多,其中2017年冬季出现天数最多为28 d,PM2.5浓度总体呈现出秋冬季节高,春夏季节低,周末PM2.5浓度高于工作日浓度,PM2.5浓度日变化大致呈现双峰型分布,分别出现在09:00左右和23:00至翌日01:00.除相对湿度和冬季气温外,其余气象要素与PM2.5浓度在四季均表现为负相关.影响太原市区PM2.5浓度升高的污染源主要位于其NE-ENE-E方向,西北部地区的相对不明显.汛期当达到中雨(降水量≥10 mm)以上级别的降水都对PM2.5浓度降低有明显效果.大气混合层高度增加对于PM2.5在垂直方向的扩散和稀释非常有利.冬季强偏西北向气流,相对湿度低,地面处于高压控制,混合层高度高,属于最利于PM2.5浓度降低的类簇.采用LSTM模型建模,PM2.5浓度预测的R2高达0.95,显著优于传统树模型和线性回归模型(R2＜0.60),预测结果残差接近正态分布,其中84.2％预测结果的绝对误差低于20 μg·m-3,模型的MAE、MAPE和RMSE分别为38.17、17.19％和20.6.
长短时记忆神经网络(LSTM)、气象特征、机器学习、PM2.5浓度、预报、k均值聚类、太原
44
X513(大气污染及其防治)
山西省科技厅自然基金项目;山西省基础研究计划项目
2023-04-13（万方平台首次上网日期，不代表论文的发表时间）
共15页
611-625
