王淑瑩, 許 榮, 尹翠芳, Bino Maiheu, Stijn Janssen, Lisa Blyth

1.北京立博威拓環(huán)境技術(shù)有限公司, 北京 100083 2.中國環(huán)境監(jiān)測總站, 國家環(huán)境保護環(huán)境監(jiān)測質(zhì)量控制重點實驗室， 北京 100012 3.比利時法蘭德斯技術(shù)研究院, 摩爾 BE-2400

基于OPAQ的城市空氣質(zhì)量預(yù)報系統(tǒng)研究

王淑瑩1, 許 榮2, 尹翠芳1, Bino Maiheu3, Stijn Janssen3, Lisa Blyth3

1.北京立博威拓環(huán)境技術(shù)有限公司, 北京 100083 2.中國環(huán)境監(jiān)測總站, 國家環(huán)境保護環(huán)境監(jiān)測質(zhì)量控制重點實驗室， 北京 100012 3.比利時法蘭德斯技術(shù)研究院, 摩爾 BE-2400

空氣質(zhì)量預(yù)測在國內(nèi)的關(guān)注度日益提高，傳統(tǒng)的空氣質(zhì)量預(yù)測系統(tǒng)通常運用數(shù)值化學(xué)傳輸模型，利用物理方程來計算污染物的擴散、沉降和化學(xué)反應(yīng)。而化學(xué)傳輸模型的預(yù)測準(zhǔn)確性很大程度上需要依賴詳細的污染源排放信息和氣象模型的輸出結(jié)果。基于統(tǒng)計模型的OPAQ空氣質(zhì)量預(yù)報業(yè)務(wù)系統(tǒng)，采用人工神經(jīng)網(wǎng)絡(luò)算法，可預(yù)測各污染物的日均值或日最大值。并對北京空氣質(zhì)量預(yù)報的結(jié)果進行了評價，OPAQ空氣質(zhì)量預(yù)報業(yè)務(wù)系統(tǒng)對空氣質(zhì)量預(yù)測的準(zhǔn)確性較高，能夠利用較低的計算資源得到較為準(zhǔn)確的預(yù)測結(jié)果。與數(shù)值預(yù)報相比，OPAQ空氣質(zhì)量預(yù)報業(yè)務(wù)系統(tǒng)不需要大量的基礎(chǔ)數(shù)據(jù)作為輸入，可彌補數(shù)值預(yù)報的不足，并成為數(shù)值預(yù)報的有力補充。

空氣質(zhì)量預(yù)報；統(tǒng)計模型；OPAQ

空氣質(zhì)量與人類健康之間的關(guān)系已經(jīng)引起了廣泛關(guān)注，有不少學(xué)者對此做了大量研究[1]。因此，空氣質(zhì)量預(yù)報在污染事件發(fā)生前對公眾的預(yù)警和制定減災(zāi)計劃方面尤為重要。例如，在比利時，如果PM10的日均濃度值連續(xù)2 d超過70 μg/m3，就會實行高速路限速的措施，且這種措施行之有效[2]；或者，在高污染事件發(fā)生的城市實行車輛單雙號限行措施。

當(dāng)前常用的空氣質(zhì)量預(yù)報方法主要有：數(shù)值預(yù)報、統(tǒng)計預(yù)報2種方法。數(shù)值預(yù)報方法可以模擬從全球到街區(qū)等多種尺度。另外，數(shù)值預(yù)報需要大量的基礎(chǔ)數(shù)據(jù)作為輸入，除氣象預(yù)報數(shù)據(jù)外，還需要較為準(zhǔn)確的污染源排放數(shù)據(jù)、詳細的地理環(huán)境數(shù)據(jù)、邊界條件數(shù)據(jù)等，并且需要做大量的計算機數(shù)值計算，需要投入較高的人力、物力和技術(shù)裝備。同時，由于污染源的污染物排放動態(tài)變化較大，難以獲得精確的污染源數(shù)據(jù)，因此數(shù)值預(yù)報目前的預(yù)報效果往往難以達到理想的效果。而統(tǒng)計預(yù)報方法則避免了上述數(shù)值預(yù)報方法的弊端，該方法只需氣象數(shù)據(jù)、污染物監(jiān)測濃度數(shù)據(jù)即可進行預(yù)報。但傳統(tǒng)的統(tǒng)計預(yù)報方法只是針對單個站點進行模擬，不能實現(xiàn)整個區(qū)域的預(yù)報。本研究中，在統(tǒng)計模型的基礎(chǔ)上集成了插值模型，可以進行整個模擬區(qū)域的預(yù)報。并在應(yīng)用統(tǒng)計模型過程中，對污染物濃度監(jiān)測值與不同氣象參數(shù)之間的相關(guān)性進行了對比。另外，還探討了本研究中所用的空氣質(zhì)量預(yù)報系統(tǒng)與數(shù)值預(yù)報系統(tǒng)在應(yīng)用中的互補性。

另一方面，模型評價對模型預(yù)測性能也有重要意義。例如，目前，在歐洲空氣質(zhì)量模型論壇上，有一批專業(yè)技術(shù)人員在協(xié)調(diào)制定預(yù)測模型的評價標(biāo)準(zhǔn)[3]。尤其是在不同的歐洲成員國分別使用多種不同的空氣質(zhì)量預(yù)測模型的背景下，制定統(tǒng)一的標(biāo)準(zhǔn)非常重要。本研究中也制定了相應(yīng)的評價方法對模型的預(yù)測結(jié)果進行了評價。

1 OPAQ空氣質(zhì)量預(yù)報業(yè)務(wù)系統(tǒng)

法蘭德斯技術(shù)研究院(VITO)與比利時環(huán)保署合作，并由其資助開發(fā)了兩款統(tǒng)計模型用以替代化學(xué)傳輸模型，分別是OVL模型，利用人工神經(jīng)網(wǎng)絡(luò)算法預(yù)測站點污染物濃度[4]；RIO模型，利用地理統(tǒng)計插值技術(shù)來繪制污染物濃度分布圖[5]。兩款模型將長期作為比利時官方空氣質(zhì)量預(yù)報業(yè)務(wù)系統(tǒng)中的一部分，并已在插值繪圖和高污染事件預(yù)測方面表現(xiàn)出比化學(xué)傳輸模型更為優(yōu)越的性能[6]。在歐盟環(huán)境治理項目中的AirINFORM項目資助下，將OVL模型與RIO模型結(jié)合使用，稱之為OPAQ空氣質(zhì)量預(yù)報業(yè)務(wù)系統(tǒng)(以下簡稱“OPAQ”)。

1.1 OPAQ所采用的預(yù)測模型介紹

OPAQ中的OVL模型采用人工神經(jīng)網(wǎng)絡(luò)算法中的多層感知方法，其中一個隱含層代表一個輸出層。預(yù)測的結(jié)果是污染物的日均值或日最大值。假如模型在當(dāng)天早上運行，則當(dāng)天00:00 至模型開始運行最近時刻的監(jiān)測數(shù)據(jù)以及未來幾天的氣象數(shù)據(jù)作為OVL的輸入數(shù)據(jù)。對每個監(jiān)測站點配置幾個不同的模型進行訓(xùn)練，不同模型的區(qū)別在于所采用的輸入?yún)?shù)不同。所預(yù)測當(dāng)天早上的監(jiān)測數(shù)據(jù)及行星邊界層高度(BLH)作為預(yù)測未來第N天的重要輸入?yún)?shù)。行星邊界層高度可認為是理查德系數(shù)(Ri)超過0.5時的高度[7]。其中Ri是浮力(由垂直溫廓線確定)與慣性力(由大氣湍流確定)的比率。如果Ri非常小(甚至是負的)，湍流非常強烈，并且足以打破穩(wěn)定的溫廓線將顆粒物帶至垂直方向，則從底部到行星邊界層高度之間，顆粒物可以隨湍流在此之間擴散。研究表明行星邊界層高度在基于人工神經(jīng)網(wǎng)絡(luò)算法的空氣質(zhì)量預(yù)報系統(tǒng)中有非常重要的作用[8]。另外，還使用了風(fēng)速與風(fēng)向、溫度、濕度及云量等氣象參數(shù)提高預(yù)測的準(zhǔn)確性[9-11]。對每個監(jiān)測站點都配置幾種模型進行訓(xùn)練，最后選擇一個最優(yōu)的模型作為日常預(yù)報模型。

空氣質(zhì)量監(jiān)測值通常符合的正態(tài)分布，高濃度值對應(yīng)的數(shù)據(jù)量明顯小于其他濃度值所對應(yīng)的數(shù)據(jù)量。這表明，高濃度事件發(fā)生概率較小。盡管如此，依然期望對高濃度事件進行準(zhǔn)確預(yù)測。對此，研究中將人工神經(jīng)網(wǎng)絡(luò)算法的訓(xùn)練樣品進行重采樣，使其呈均勻分布，這樣可以給高濃度事件賦予和其他濃度相同的權(quán)重值，從而提高高濃度事件預(yù)測的準(zhǔn)確性。

相對于原始的神經(jīng)網(wǎng)絡(luò)輸出而言，OPAQ具有動態(tài)偏差修正功能。將日常預(yù)測值及實際監(jiān)測值存儲在臨時數(shù)據(jù)庫中，通過該數(shù)據(jù)庫，可以將過去的預(yù)測誤差統(tǒng)計出來，再通過不同的方法，如計算過去預(yù)測誤差的均值或加權(quán)平均，計算得到當(dāng)天的預(yù)測誤差。然后將預(yù)測誤差應(yīng)用到原始的模型輸出結(jié)果上，這就是所謂的實時修正。同時，對于每個站點、每個預(yù)測時間采用何種修正方法都需要進行優(yōu)化。

1.2 OPAQ預(yù)測模型與數(shù)值模型的互補性

OPAQ的機器自學(xué)習(xí)和統(tǒng)計特性可認為是復(fù)雜的數(shù)值模型預(yù)報系統(tǒng)的補充。這2種方法都有各自的優(yōu)點，但也也都存在一些不足。有學(xué)者曾經(jīng)做過統(tǒng)計模型和數(shù)值模型的比較[12]，數(shù)值化學(xué)傳輸模型通過擴散和化學(xué)反應(yīng)方程很好地描述了污染物的物理化學(xué)過程，并且充分利用了三維氣象模型的輸出結(jié)果。因此，也可以模擬污染物的長距離傳輸，而這對于污染事件起因的研究是非常重要的。由于化學(xué)傳輸模型需要使用污染物排放數(shù)據(jù)，且輸出結(jié)果會隨著排放數(shù)據(jù)的變化而發(fā)生相應(yīng)的變化。因此，化學(xué)傳輸模型可以用于情景分析。然而，如果沒有準(zhǔn)確的排放數(shù)據(jù)將會影響空氣質(zhì)量預(yù)報的準(zhǔn)確性。很多化學(xué)傳輸模型進行評價、預(yù)測時都需要進行校正或數(shù)據(jù)同化，對比空氣質(zhì)量模擬結(jié)果和實際監(jiān)測值來提高模型的性能。此外，化學(xué)傳輸模型對計算機的計算能力也有較高要求，尤其是在設(shè)置較高空間分辨率的情況下。因此，通常運行化學(xué)傳輸模型需要較昂貴的硬件設(shè)備。另外，要運行基于數(shù)值模型的空氣質(zhì)量預(yù)報系統(tǒng)以及解釋其輸出結(jié)果也需要在大氣科學(xué)方面有較深背景的專業(yè)人員。

與之相反，OPAQ在安裝和部署方面相對簡單易學(xué)。首先，與數(shù)值模型預(yù)報系統(tǒng)相比對硬件和人員的要求相對較低。其次，它只需要空氣質(zhì)量監(jiān)測數(shù)據(jù)，無需污染物的排放數(shù)據(jù)。OPAQ或其他統(tǒng)計預(yù)報方法同樣也有一些不足之處，例如，統(tǒng)計模型不能很好地模擬過去沒有發(fā)生過的情景，統(tǒng)計方法的特性也決定了其不能很好地解釋污染的過程。盡管如此，當(dāng)訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型時，為避免過度擬合化，須將統(tǒng)計模型的性能進行一般化處理。相對于復(fù)雜的化學(xué)傳輸模型預(yù)報方法，統(tǒng)計預(yù)報方法的預(yù)測準(zhǔn)確性與其相當(dāng)，甚至要優(yōu)于前者，對于高污染事件的預(yù)測性能也是如此[12-13]。

當(dāng)空氣質(zhì)量預(yù)測用于預(yù)警或是否采取消減措施(比如機動車限速或其他措施)時，就需要評價預(yù)測模型是否能夠預(yù)測超標(biāo)值。為了量化模型的預(yù)測性能，使用了預(yù)測成功指數(shù)(SI)這個指標(biāo)。SI基于散布圖來計算，見圖1。

圖1 預(yù)測值與監(jiān)測值的散布圖

圖1中橫坐標(biāo)為監(jiān)測值，縱坐標(biāo)為預(yù)測值，單位均為μg/m3，100 μg/m3為超標(biāo)臨界值。利用預(yù)測到的超標(biāo)天數(shù)總量與預(yù)測到的未超標(biāo)天數(shù)總量分別與總的超標(biāo)天數(shù)及總的未超標(biāo)天數(shù)的比值相加再減去1得到，其中減1是為使指數(shù)在-1～1。詳見式(1)：

(1)

式中：SI為預(yù)測成功指數(shù)，N3為預(yù)測到的超標(biāo)天數(shù)，N4為未預(yù)測到的超標(biāo)天數(shù)，N1為預(yù)測到的達標(biāo)天數(shù)，N2為未預(yù)測到的達標(biāo)天數(shù)。

圖2展示了統(tǒng)計與數(shù)值兩種模型的預(yù)測性能對比，以PM10為例，比較了兩種模型的預(yù)測值與監(jiān)測值的相關(guān)性系數(shù)(r)及SI兩種預(yù)測性能。圖中淺灰色方塊和灰色三角形分別代表OPAQ中OVL的不同模型的預(yù)測結(jié)果，深灰色菱形代表化學(xué)傳輸模型CHIMERE的預(yù)測結(jié)果。參與評價的數(shù)據(jù)為比利時2008年11月—2009年4月3種模型運行的預(yù)測數(shù)據(jù)[6]。結(jié)果表明，統(tǒng)計模型在預(yù)測高污染事件的發(fā)生方面具有較高的潛力。

圖2 統(tǒng)計模型與數(shù)值化學(xué)傳輸模型就PM10日均值的預(yù)測性能對比

2 OPAQ應(yīng)用于北京空氣質(zhì)量預(yù)報的評價

2.1 模型配置

為北京建立的OPAQ空氣質(zhì)量模型，采用中國環(huán)境監(jiān)測總站發(fā)布的北京萬壽西宮、定陵、東四、天壇、農(nóng)展館、官園、海淀區(qū)萬柳、順義新城、懷柔鎮(zhèn)、昌平鎮(zhèn)、奧體中心及古城12個國控點的小時監(jiān)測數(shù)據(jù)，美國國家環(huán)境預(yù)報中心(NCEP)下載的再分析氣象數(shù)據(jù)(FNL)進行人工神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練。FNL數(shù)據(jù)基于全球預(yù)報系統(tǒng)(GFS)，與GFS數(shù)據(jù)相比，F(xiàn)NL數(shù)據(jù)中使用了更多的實際觀測數(shù)據(jù)。因此，對于統(tǒng)計模型來說，所使用的GFS數(shù)據(jù)和FNL數(shù)據(jù)具有一致性，使用FNL數(shù)據(jù)作為歷史數(shù)據(jù)進行訓(xùn)練，GFS數(shù)據(jù)作為實時預(yù)測數(shù)據(jù)進行預(yù)報，所采用的氣象參數(shù)有2 m高處空氣溫度，2 m高處相對濕度，10 m高處緯向和經(jīng)向風(fēng)速，BLH(行星邊界層高度)，1 000 hPa處分別與 975、 950、925、900、850 hPa處的溫度差。然而，F(xiàn)NL和GFS數(shù)據(jù)的空間精度較低，可以使用當(dāng)?shù)貧庀竽Ｐ蛿?shù)據(jù)進行改善(見4結(jié)語部分)。

首先，對PM2.5、PM10、NO2的日均濃度值和O3的8 h滑動平均最大濃度值與氣象數(shù)據(jù)進行了相關(guān)性分析。相關(guān)性分析使用污染物濃度的對數(shù)值，有些氣象數(shù)據(jù)也使用其對數(shù)值，如BLH，見圖3。

圖3 北京東四站點NO2監(jiān)測值與各氣象參數(shù)相關(guān)性分析

圖3中，從上到下，從左至右，分別為NO2日均濃度值的對數(shù)值log(1 + NO2)分別與各個氣象參數(shù)的相關(guān)性系數(shù)，這些氣象參數(shù)分別為2 m高處空氣溫度(2 m Temp)，2 m高處相對濕度(2 m RH)，10 m高處緯向(10 m V)和經(jīng)向風(fēng)速(10 m U)，行星邊界層高度(BLH)，1 000 hPa處分別與 975、950、925、900、850 hPa處的溫度差(分別用IS975、IS950、IS925、IS900、IS850表示)。另外，圖中還標(biāo)出了相關(guān)性系數(shù)值。研究在之前HOOYBERGHS J等[4]所采用參數(shù)的基礎(chǔ)上，OPAQ所用的OVL模型還增加了反映大氣穩(wěn)定性的垂直溫度信息，分別為975～850 hPa高處分別與1 000 hPa高處的溫度差，提高了模型性能。

HOOYBERGHS J等研究發(fā)現(xiàn)，NO2、PM10、PM2.5與BLH呈顯著負相關(guān)，O3與BLH呈正相關(guān)，這與NO2、NO和O3之間的光化學(xué)平衡有關(guān)。北京東四站點O3與氣象參數(shù)的相關(guān)性分析結(jié)果(圖4)與HOOYBERGHS J等的研究結(jié)論一致，尤其是O3與2 m處溫度日均值相關(guān)性顯著。

O3濃度在多數(shù)站點與1 000 hPa和850、900 hPa處溫差相關(guān)性顯著，而與近地面處的溫差相關(guān)性較小。目前，對于O3濃度與較高處的溫差相關(guān)性更顯著的原因還不清楚。

另外，分析表明(圖3)，當(dāng)風(fēng)向為北風(fēng)時，污染物的濃度明顯低于風(fēng)向為南風(fēng)時(經(jīng)向風(fēng)速分別為負和正時)。同樣，當(dāng)風(fēng)向為西風(fēng)時污染物濃度較低，而風(fēng)向為東風(fēng)時污染物濃度較高。這可能與城市北部、西部多山區(qū)和郊區(qū)分布有關(guān)。

表1列舉了各站點污染物監(jiān)測值與氣象參數(shù)的相關(guān)性系數(shù)的均值。氣象參數(shù)從左至右依次為2 m高處空氣溫度，2 m高處相對濕度，10 m高處緯向和經(jīng)向風(fēng)速，BLH，1 000 hPa處溫度分別與 975、950、925、900、850 hPa處溫度差。

為每項污染物配置5組模型，計算模擬預(yù)測值和監(jiān)測值的均方根誤差(RMSE)，然后為每個站點每個預(yù)測天(預(yù)測當(dāng)天至未來第5 d)選取最優(yōu)模型和實時修正方法。相較HOOYBERGHS J等的研究，配置的模型加入了風(fēng)速、星期屬性(是否工作日)、溫度、濕度參數(shù)后，OPAQ預(yù)測結(jié)果得到了明顯改善。新增的850 hPa高度逆溫強度提高了預(yù)報結(jié)果的準(zhǔn)確性，但加入其他高度處逆溫強度對模型改善效果不顯著。

圖4 北京東四站點O3監(jiān)測值與各氣象參數(shù)相關(guān)性分析

表1 北京各站點PM2.5、PM10、NO2濃度日均值和O38 h滑動平均濃度日最大值分別與氣象參數(shù)日均值相關(guān)性系數(shù)的平均值

污染物2mTemp2mRH10mV10mUBLHIS975IS950IS925IS900IS850PM100.150.190.42-0.33-0.24-0.21-0.16-0.010.150.32PM2.50.100.380.47-0.44-0.41-0.22-0.17-0.040.160.40NO2-0.060.110.37-0.28-0.480.030.100.230.370.46O30.670.060.18-0.150.46-0.39-0.31-0.26-0.33-0.45

2.2 模型評價

使用2015年以前所有可獲得的歷史數(shù)據(jù)對OPAQ預(yù)測模型進行訓(xùn)練，并用2015年1月1日—4月30日的數(shù)據(jù)進行檢驗。以下重點討論O3和 PM2.5的預(yù)報情況。圖5、圖6分別為北京東四站點PM2.5和O3的預(yù)報與監(jiān)測值對比時間序列圖。圖5中監(jiān)測值表示PM2.5監(jiān)測日均值，預(yù)測值表示OPAQ原始預(yù)報值，修正值表示采用實時修正方法的值。圖中用黑色虛直線標(biāo)出超標(biāo)值(75 μg/m3)。

圖5 北京東四站點PM2.5的預(yù)報與監(jiān)測值對比時間序列圖

圖6 北京東四站點O3的預(yù)報與監(jiān)測值對比時間序列圖

圖6中監(jiān)測值表示O3的8 h滑動平均監(jiān)測濃度最大值，預(yù)測值表示OPAQ原始預(yù)報值，修正值表示實時修正值。圖中用黑色虛直線標(biāo)出超標(biāo)值(160 μg/m3)。從上至下分別為當(dāng)天至未來第5 d的時間序列圖。

由圖5、圖6可見，OPAQ預(yù)測模型很好地預(yù)測了O3和 PM2.5的濃度。且當(dāng)監(jiān)測值和原始預(yù)報值差距較大時，采用實時修正方法得到的結(jié)果更好。

圖7為模擬預(yù)測值與實際監(jiān)測值的相關(guān)性系數(shù)統(tǒng)計箱型圖，橫坐標(biāo)為預(yù)報未來天數(shù)(用當(dāng)天至第5 d表示)。預(yù)報的每個天數(shù)均作了原始預(yù)報結(jié)果(左側(cè)箱圖)和實時修正后結(jié)果(右側(cè)箱圖)的對比。

圖7 模擬預(yù)測值與實際監(jiān)測值的相關(guān)系數(shù)統(tǒng)計箱型圖

圖8 PM2.5其他檢驗指標(biāo)的統(tǒng)計箱型圖

由圖7可見，O3每個預(yù)報天的模擬預(yù)報結(jié)果與實際監(jiān)測值的相關(guān)性系數(shù)都約為0.8，說明氣象預(yù)報結(jié)果較好。而對于PM2.5，未來第1 d的相關(guān)系數(shù)突然下降，約0.6～0.7，未來第2 d以后相關(guān)性系數(shù)相當(dāng)。實時修正結(jié)果相關(guān)性(右側(cè)箱圖)和原始人工神經(jīng)網(wǎng)絡(luò)算法結(jié)果相關(guān)性(左側(cè)箱圖)略有不同，可能是因為實時修正進行了偏移修正。RMSE的結(jié)果也類似，如圖8中a圖所示，實時修正結(jié)果明顯低于原始預(yù)報結(jié)果。

圖8還展示了超標(biāo)天預(yù)報的結(jié)果統(tǒng)計，設(shè)定超標(biāo)濃度為75 μg/m3。PM2.5的未來第1 d預(yù)測成功指數(shù)約55～60，實時修正結(jié)果(右側(cè)箱圖)有明顯提高。正確預(yù)警指數(shù)(FCF)為預(yù)報出正確的超標(biāo)天數(shù)除以總超標(biāo)天數(shù)，錯誤預(yù)警指數(shù)(FFA)為預(yù)報錯誤的超標(biāo)天數(shù)(實際不超標(biāo))除以總超標(biāo)天數(shù)。

由圖8可見，F(xiàn)FA約為10%～20%，實時修正結(jié)果稍差一些。而FCF統(tǒng)計中，實時修正結(jié)果有明顯提高，約70%～80%。

3 OPAQ空氣質(zhì)量預(yù)報業(yè)務(wù)系統(tǒng)在國內(nèi)的應(yīng)用案例

針對OPAQ在其他幾個城市的應(yīng)用情況，對其預(yù)測準(zhǔn)確率做了相應(yīng)的統(tǒng)計，如表2所示。表中的預(yù)測準(zhǔn)確率是根據(jù)中國環(huán)境監(jiān)測總站編寫的《環(huán)境空氣質(zhì)量預(yù)報預(yù)警方法技術(shù)指南》第二章第六節(jié)中關(guān)于級別準(zhǔn)確分的描述所做的統(tǒng)計，統(tǒng)計了完全準(zhǔn)確天數(shù)與級別準(zhǔn)確天數(shù)占所有預(yù)報天數(shù)的比例，其中完全準(zhǔn)確是指預(yù)報值±10個點(或±10%)與實況相符；表中的級別準(zhǔn)確是指預(yù)報不跨級且級別與實況相符。

表2 OPAQ在國內(nèi)應(yīng)用案例的預(yù)測級別準(zhǔn)確率匯總

注：“—”表示無數(shù)據(jù)。

4 結(jié)語

1)通過OPAQ統(tǒng)計預(yù)報系統(tǒng)與數(shù)值預(yù)報系統(tǒng)的對比，探討了與數(shù)值預(yù)報系統(tǒng)的互補性。結(jié)果表明，OPAQ統(tǒng)計預(yù)報系統(tǒng)與數(shù)值預(yù)報各有優(yōu)劣，在應(yīng)用中可以互為補充。

2)用相關(guān)性系數(shù)及預(yù)測成功指數(shù)兩種指標(biāo)對統(tǒng)計和數(shù)值模型進行預(yù)測結(jié)果的評價。結(jié)果表明，統(tǒng)計模型在預(yù)測高污染事件的發(fā)生方面具有較高的潛力。

3)與北京監(jiān)測站預(yù)報結(jié)果的初步比對表明，OPAQ對空氣質(zhì)量預(yù)測的準(zhǔn)確性較高。O3每個預(yù)報天的模擬預(yù)報結(jié)果與實際監(jiān)測值的相關(guān)性系數(shù)都約為0.8，而對于PM2.5，未來第1 d至第5 d的相關(guān)系數(shù)在0.6～0.7，而且實時修正后的結(jié)果在監(jiān)測值和原始預(yù)報值有差距時更好。

4)OPAQ對污染等級的預(yù)測準(zhǔn)確性較高，預(yù)測未來24 h的級別準(zhǔn)確率在56.1%～70%。但是，還有待與數(shù)值模型進行預(yù)測性能的對比。

5)基于人工神經(jīng)網(wǎng)絡(luò)算法的統(tǒng)計預(yù)報系統(tǒng)能夠利用較低的計算資源來較為準(zhǔn)確地預(yù)測空氣質(zhì)量。另外，如果使用能夠很好地反映當(dāng)?shù)靥鞖鉅顩r的氣象模型參數(shù)，可以對OPAQ做進一步的改進，并提高其預(yù)測準(zhǔn)確率。

[1] World Health Organization.Review of evidence on health aspects of air pollution-REVIHAAP Project 309[R].2013.

[2] LEFEBVRE W，F(xiàn)IERENS F，TRIMPENEERS E，et al.Modeling the effects of a speed limit reduction on traffic-related elemental carbon (EC) concentrations and population exposure to EC[J].Atmospheric Environment，2011，45:197-207.

[3] THUNIS P，PEDERZOLI A，PERNIGOTTI D.Perfor-mance criteria to evaluate air quality modeling applic-ations[J].Atmospheric Environment，2012，59:476-482.

[4] HOOYBERGHS J，MENSINK C，DUMONT G，et al.A neural network forecast for daily average PM concentrations in Belgium[J].Atmospheric Environment，2005，39:3 279-3 289.

[5] JANSSEN S，DUMONT G，F(xiàn)IERENS F，et al.Spatial interpolation of air pollution measurements using CORINE land cover data[J].Atmospheric Environment，2008，42:4 884-4 903.

[6] JANSSEN S，DUMONT G，F(xiàn)IERENS F，et al.Land use to characterize spatial representativeness of air quality monitoring stations and its relevance for model validation[J].Atmospheric Environment，2012，59:492-500.

[7] VOGELEZANG D H P，HOLTSLAG A A M.Evaluation and model impacts of alternative boundary-layer height formulations[J].Boundary-Layer Meteorology，1996，81:245-269.

[8] DUTOT A L，RYNKIEWICZ J，STEINER F E，et al.A 24-h forecast of ozone peaks and exceedance levels using neural classifiers and weather predictions[J].Environmental Modelling and Software，2007，22:1 261-1 269.

[9] 程念亮，李云婷，邱啟鴻，等.2013年北京市PM2.5重污染日時空分布特征研究[J].中國環(huán)境監(jiān)測，2015，31(3)：38-42.

[10] 陳強，梅琨，朱慧敏，等.鄭州市PM2.5濃度時空分布特征及預(yù)測模型研究[J].中國環(huán)境監(jiān)測，2015，31(3)：105-112.

[11] 沈路路，王聿絢，段雷.神經(jīng)網(wǎng)絡(luò)模型在O3濃度預(yù)測中的應(yīng)用[J].環(huán)境科學(xué)，2011，32(8)：2 231-2 235.

[12] ZHANG Y，BOCQUET M，MALLET V，et al.Real-time air quality forecasting，part I:History，techniques，and current status[J].Atmospheric Environment，2012,60:632-655.

[13] 張靜，李旭祥，許先意，等.大氣環(huán)境數(shù)據(jù)分析預(yù)測方法對比研究[J].中國環(huán)境監(jiān)測，2010，26(6)：66-69.

Study on Urban Air Quality Forecasting with OPAQ

WANG Shuying1，XU Rong2，YIN Cuifang1，BINO Maiheu3，STIJN Janssen3，LISA Blyth3

1.Beijing LIBOVITO Environmental Technology Company, Beijing 100083, China 2.State Enrironmental Protection Key Laboratory of Quality Control in Environmental Monitoring, China National Environmental Monitoring Centre, Beijing 100012, China 3.Flemish Institute for Technological Research, Mol BE-2400, Belgium

Air quality forecast has been and continues to be a growing concern in China. Traditional air quality forecasting systems employ deterministic chemical transport models in which pollutant dispersion, deposition and chemical reactions are computed from the governing physical equations. Detailed pollutant emission information and meteorological model output areneeded to run the chemical transport models. An alternative statistical forecasting system OPAQ is discussed that is based on the BP neural network algorithm. The results of the OPAQ forecast system for a nuhPaer of monitoring stations in Beijing show that forecast accuracy of OPAQ is high and it can take advantage of lower computing resources to predict air quality. Compared with deterministic chemical transport model, it doesn’t need multiple input data and can be a complementary approach of traditional method.

air quality forecasting;statistical model;OPAQ

2015-09-08;

2015-12-31

環(huán)保公益性行業(yè)專項“京津冀地區(qū)大氣重污染過程應(yīng)急方案研究”(201309071)、“京津冀城市大氣邊界層過程對重污染形成的影響研究”(201409001-03)；科技部科技支撐計劃環(huán)境領(lǐng)域項目“大氣復(fù)合污染區(qū)域聯(lián)合預(yù)測預(yù)報關(guān)鍵技術(shù)研究”(2014BAC22B04)、“京津冀空氣監(jiān)測預(yù)報及防控技術(shù)研究與示范”(2014BAC06B04)、中科院先導(dǎo)項目“大氣灰霾追因與控制專項數(shù)值模式與協(xié)同控制方案課題”(XDB05030200)

王淑瑩(1982-)，女，山西霍州人，碩士，工程師。

許 榮

X830.3

A

1002-6002(2016)03- 0013- 08

10.19316/j.issn.1002-6002.2016.03.02