[發明專利]一種未來72小時大氣污染預報預警方法

在審

• 申請號: 201811614329.1
• 申請日: 2018-12-27
• 公開（公告）號: CN109615147A
• 公開（公告）日: 2019-04-12
• 發明（設計）人: 豐睿;羅坤;黃翀;樊建人;鄭慧君
• 申請（專利權）人: 浙江大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06N3/04;G01W1/10
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 傅朝棟;張法高

本發明公開了一種未來72小時大氣污染預報預警方法。該方法步驟為：1)訓練RNN神經網絡對未來72小時大氣污染物濃度進行預測；2)采用WRF模擬出未來72小時氣象場的時均值；3)將步驟2)中得到的未來72小時氣象場的時均值作為步驟1)中已訓練完成的RNN神經網絡的輸入數據，并得到RNN神經網絡輸出的未來72小時的SO₂、NO_x、PM_2.5和PM₁₀濃度時均值；4)獲取步驟2)中得到的未來72小時氣象場的時均值以及步驟3)中由RNN神經網絡輸出的未來72小時的NO_x、PM_2.5濃度時均值，將兩者一起作為步驟1)中已訓練完成的RNN神經網絡的輸入數據，并得到RNN神經網絡輸出的未來72小時的O₃濃度時均值。相比傳統方法，本發明精度更高，所需運行時間更短，收斂更快。

技術領域

本發明屬于氣象預報領域，具體涉及一種未來72小時大氣污染預報預警方法。

背景技術

我國遭受重度大氣污染，尤其是東部工業化地區，已近20年，嚴重妨礙人民群眾生產生活。因此如何預測、預警大氣污染物是當前的研究重點。在現有技術中，有較多的專利公開了此類預報預警方法。例如，在申請號為CN201810223633.7的發明專利中公開了一種基于RBF神經網絡的大氣污染物濃度預測方法，根據被預測地區的實際情況，將實驗數據進行劃分，針對大氣污染物濃度數據進行預處理；使用MMOD改進的k-means算法求出聚類中心，并基于方差求取每個核函數寬度；對實驗數據進行抽樣，參與創建的RBF神經網絡的數據子集為IOB，剩下未被抽到的為OOB袋外數據；對學習器進行評價，篩選出泛化誤差最小的RBF神經網絡，訓練集成RBFNN模型；利用加權集成RBFNN算法，基于加權歐式距離，通過聚類中心、寬度、權值訓練單個參數優化RBFNN，并應用到集成RBFNN上，對數據預測。

申請號為CN201310038573.9的發明專利中公開了一種基于數值模式與統計分析結合的大氣重污染預報方法，包括：獲取NCEP全球預報背景場數據；手動強制生成或氣象模式運行結束后自動生成預測觸發指令；啟動預測指令，得到模擬區域及周邊地區的氣象要素數據集；獲取空氣質量監測數據；生成預報因子集數據文件；通過能見度預報子模式得出預報日的能見度；通過污染程度初判子模式定性判別預報日的空氣質量級別；通過天氣類型識別子模式診斷識別預報日的天氣類型；通過重污染定量化預報子模式運算得出預報日的污染物濃度；確定該污染程度對人體的危害級別，為管理者提供應急管理決策依據。本發明對大氣重污染的預測效果與國內外各現行空氣質量預報系統的高濃污染天氣預報效果相比有明顯改善。

上述這些方法的預測精度總體尚達到要求，有待于進一步改進。

發明內容

本發明的目的在于解決現有技術中存在的問題，并提供一種未來72小時大氣污染預報預警方法。

本發明所采用的具體技術方案如下：

未來72小時大氣污染預測方法，其步驟如下：

1)訓練RNN神經網絡對未來72小時大氣污染物濃度進行預測；其中預測SO₂、NO_x、PM_2.5和PM₁₀濃度所采用的輸入訓練數據為目標區域范圍內每小時的溫度、相對濕度、風速、風向、降雨量、大氣壓、濕靜力總能量、溫度露點差和水氣壓；預測O₃濃度所采用的輸入訓練數據為目標區域范圍內每小時的溫度、相對濕度、風速、風向、降雨量、大氣壓、濕靜力總能量、溫度露點差、水氣壓、PM_2.5和NO_x濃度；

2)采用WRF模擬出未來72小時氣象場的時均值，即目標區域范圍內每小時的溫度、相對濕度、風速、風向、降雨量、大氣壓、濕靜力總能量、溫度露點差和水氣壓；