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(cè)總站, 國家環(huán)境保護(hù)環(huán)境監(jiān)測(cè)質(zhì)量控制重點(diǎn)實(shí)驗(yàn)室， 北京 100012 3.比利時(shí)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(bào)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(cè)總站, 國家環(huán)境保護(hù)環(huán)境監(jiān)測(cè)質(zhì)量控制重點(diǎn)實(shí)驗(yàn)室， 北京 100012 3.比利時(shí)法蘭德斯技術(shù)研究院, 摩爾 BE-2400

空氣質(zhì)量預(yù)測(cè)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(cè)系統(tǒng)通常運(yùn)用數(shù)值化學(xué)傳輸模型，利用物理方程來計(jì)算污染物的擴(kuò)散、沉降和化學(xué)反應(yīng)。而化學(xué)傳輸模型的預(yù)測(cè)準(zhǔn)確性很大程度上需要依賴詳細(xì)的污染源排放信息和氣象模型的輸出結(jié)果?；诮y(tǒng)計(jì)模型的OPAQ空氣質(zhì)量預(yù)報(bào)業(yè)務(wù)系統(tǒng)，采用人工神經(jīng)網(wǎng)絡(luò)算法，可預(yù)測(cè)各污染物的日均值或日最大值。并對(duì)北京空氣質(zhì)量預(yù)報(bào)的結(jié)果進(jìn)行了評(píng)價(jià)，OPAQ空氣質(zhì)量預(yù)報(bào)業(yè)務(wù)系統(tǒng)對(duì)空氣質(zhì)量預(yù)測(cè)的準(zhǔn)確性較高，能夠利用較低的計(jì)算資源得到較為準(zhǔn)確的預(yù)測(cè)結(jié)果。與數(shù)值預(yù)報(bào)相比，OPAQ空氣質(zhì)量預(yù)報(bào)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(bǔ)數(shù)值預(yù)報(bào)的不足，并成為數(shù)值預(yù)報(bào)的有力補(bǔ)充。

空氣質(zhì)量預(yù)報(bào)；統(tǒng)計(jì)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(duì)此做了大量研究[1]。因此，空氣質(zhì)量預(yù)報(bào)在污染事件發(fā)生前對(duì)公眾的預(yù)警和制定減災(zāi)計(jì)劃方面尤為重要。例如，在比利時(shí)，如果PM10的日均濃度值連續(xù)2 d超過70 μg/m3，就會(huì)實(shí)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(shí)行車輛單雙號(hào)限行措施。

當(dāng)前常用的空氣質(zhì)量預(yù)報(bào)方法主要有：數(shù)值預(yù)報(bào)、統(tǒng)計(jì)預(yù)報(bào)2種方法。數(shù)值預(yù)報(bào)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(bào)需要大量的基礎(chǔ)數(shù)據(jù)作為輸入，除氣象預(yù)報(bào)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(xì)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(jì)算機(jī)數(shù)值計(jì)算，需要投入較高的人力、物力和技術(shù)裝備。同時(shí)，由于污染源的污染物排放動(dòng)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(bào)目前的預(yù)報(bào)效果往往難以達(dá)到理想的效果。而統(tǒng)計(jì)預(yù)報(bào)方法則避免了上述數(shù)值預(yù)報(bào)方法的弊端，該方法只需氣象數(shù)據(jù)、污染物監(jiān)測(cè)濃度數(shù)據(jù)即可進(jìn)行預(yù)報(bào)。但傳統(tǒng)的統(tǒng)計(jì)預(yù)報(bào)方法只是針對(duì)單個(gè)站點(diǎn)進(jìn)行模擬，不能實(shí)現(xiàn)整個(gè)區(qū)域的預(yù)報(bào)。本研究中，在統(tǒng)計(jì)模型的基礎(chǔ)上集成了插值模型，可以進(jìn)行整個(gè)模擬區(qū)域的預(yù)報(bào)。并在應(yīng)用統(tǒng)計(jì)模型過程中，對(duì)污染物濃度監(jiān)測(cè)值與不同氣象參數(shù)之間的相關(guān)性進(jìn)行了對(duì)比。另外，還探討了本研究中所用的空氣質(zhì)量預(yù)報(bào)系統(tǒng)與數(shù)值預(yù)報(bào)系統(tǒng)在應(yīng)用中的互補(bǔ)性。

另一方面，模型評(píng)價(jià)對(duì)模型預(yù)測(cè)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(cè)模型的評(píng)價(jià)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(cè)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(píng)價(jià)方法對(duì)模型的預(yù)測(cè)結(jié)果進(jìn)行了評(píng)價(jià)。

1 OPAQ空氣質(zhì)量預(yù)報(bào)業(yè)務(wù)系統(tǒng)

法蘭德斯技術(shù)研究院(VITO)與比利時(shí)環(huán)保署合作，并由其資助開發(fā)了兩款統(tǒng)計(jì)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(cè)站點(diǎn)污染物濃度[4]；RIO模型，利用地理統(tǒng)計(jì)插值技術(shù)來繪制污染物濃度分布圖[5]。兩款模型將長(zhǎng)期作為比利時(shí)官方空氣質(zhì)量預(yù)報(bào)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(cè)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(xiàng)目中的AirINFORM項(xiàng)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(bào)業(yè)務(wù)系統(tǒng)(以下簡(jiǎn)稱“OPAQ”)。

1.1 OPAQ所采用的預(yù)測(cè)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(gè)隱含層代表一個(gè)輸出層。預(yù)測(cè)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(yùn)行，則當(dāng)天00:00 至模型開始運(yùn)行最近時(shí)刻的監(jiān)測(cè)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(duì)每個(gè)監(jiān)測(cè)站點(diǎn)配置幾個(gè)不同的模型進(jìn)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(cè)當(dāng)天早上的監(jiān)測(cè)數(shù)據(jù)及行星邊界層高度(BLH)作為預(yù)測(cè)未來第N天的重要輸入?yún)?shù)。行星邊界層高度可認(rèn)為是理查德系數(shù)(Ri)超過0.5時(shí)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(fù)的)，湍流非常強(qiáng)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(kuò)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(bào)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(cè)的準(zhǔn)確性[9-11]。對(duì)每個(gè)監(jiān)測(cè)站點(diǎn)都配置幾種模型進(jìn)行訓(xùn)練，最后選擇一個(gè)最優(yōu)的模型作為日常預(yù)報(bào)模型。

空氣質(zhì)量監(jiān)測(cè)值通常符合的正態(tài)分布，高濃度值對(duì)應(yīng)的數(shù)據(jù)量明顯小于其他濃度值所對(duì)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(duì)高濃度事件進(jìn)行準(zhǔn)確預(yù)測(cè)。對(duì)此，研究中將人工神經(jīng)網(wǎng)絡(luò)算法的訓(xùn)練樣品進(jìn)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(cè)的準(zhǔn)確性。

相對(duì)于原始的神經(jīng)網(wǎng)絡(luò)輸出而言，OPAQ具有動(dòng)態(tài)偏差修正功能。將日常預(yù)測(cè)值及實(shí)際監(jiān)測(cè)值存儲(chǔ)在臨時(shí)數(shù)據(jù)庫中，通過該數(shù)據(jù)庫，可以將過去的預(yù)測(cè)誤差統(tǒng)計(jì)出來，再通過不同的方法，如計(jì)算過去預(yù)測(cè)誤差的均值或加權(quán)平均，計(jì)算得到當(dāng)天的預(yù)測(cè)誤差。然后將預(yù)測(cè)誤差應(yīng)用到原始的模型輸出結(jié)果上，這就是所謂的實(shí)時(shí)修正。同時(shí)，對(duì)于每個(gè)站點(diǎn)、每個(gè)預(yù)測(cè)時(shí)間采用何種修正方法都需要進(jìn)行優(yōu)化。

1.2 OPAQ預(yù)測(cè)模型與數(shù)值模型的互補(bǔ)性

OPAQ的機(jī)器自學(xué)習(xí)和統(tǒng)計(jì)特性可認(rèn)為是復(fù)雜的數(shù)值模型預(yù)報(bào)系統(tǒng)的補(bǔ)充。這2種方法都有各自的優(yōu)點(diǎn)，但也也都存在一些不足。有學(xué)者曾經(jīng)做過統(tǒng)計(jì)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(kuò)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(zhǎng)距離傳輸，而這對(duì)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(huì)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(huì)影響空氣質(zhì)量預(yù)報(bào)的準(zhǔn)確性。很多化學(xué)傳輸模型進(jìn)行評(píng)價(jià)、預(yù)測(cè)時(shí)都需要進(jìn)行校正或數(shù)據(jù)同化，對(duì)比空氣質(zhì)量模擬結(jié)果和實(shí)際監(jiān)測(cè)值來提高模型的性能。此外，化學(xué)傳輸模型對(duì)計(jì)算機(jī)的計(jì)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(yùn)行化學(xué)傳輸模型需要較昂貴的硬件設(shè)備。另外，要運(yùn)行基于數(shù)值模型的空氣質(zhì)量預(yù)報(bào)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(duì)簡(jiǎn)單易學(xué)。首先，與數(shù)值模型預(yù)報(bào)系統(tǒng)相比對(duì)硬件和人員的要求相對(duì)較低。其次，它只需要空氣質(zhì)量監(jiān)測(cè)數(shù)據(jù)，無需污染物的排放數(shù)據(jù)。OPAQ或其他統(tǒng)計(jì)預(yù)報(bào)方法同樣也有一些不足之處，例如，統(tǒng)計(jì)模型不能很好地模擬過去沒有發(fā)生過的情景，統(tǒng)計(jì)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(shí)，為避免過度擬合化，須將統(tǒng)計(jì)模型的性能進(jìn)行一般化處理。相對(duì)于復(fù)雜的化學(xué)傳輸模型預(yù)報(bào)方法，統(tǒng)計(jì)預(yù)報(bào)方法的預(yù)測(cè)準(zhǔn)確性與其相當(dāng)，甚至要優(yōu)于前者，對(duì)于高污染事件的預(yù)測(cè)性能也是如此[12-13]。

當(dāng)空氣質(zhì)量預(yù)測(cè)用于預(yù)警或是否采取消減措施(比如機(jī)動(dòng)車限速或其他措施)時(shí)，就需要評(píng)價(jià)預(yù)測(cè)模型是否能夠預(yù)測(cè)超標(biāo)值。為了量化模型的預(yù)測(cè)性能，使用了預(yù)測(cè)成功指數(shù)(SI)這個(gè)指標(biāo)。SI基于散布圖來計(jì)算，見圖1。

圖1 預(yù)測(cè)值與監(jiān)測(cè)值的散布圖

圖1中橫坐標(biāo)為監(jiān)測(cè)值，縱坐標(biāo)為預(yù)測(cè)值，單位均為μg/m3，100 μg/m3為超標(biāo)臨界值。利用預(yù)測(cè)到的超標(biāo)天數(shù)總量與預(yù)測(cè)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(cè)成功指數(shù)，N3為預(yù)測(cè)到的超標(biāo)天數(shù)，N4為未預(yù)測(cè)到的超標(biāo)天數(shù)，N1為預(yù)測(cè)到的達(dá)標(biāo)天數(shù)，N2為未預(yù)測(cè)到的達(dá)標(biāo)天數(shù)。

圖2展示了統(tǒng)計(jì)與數(shù)值兩種模型的預(yù)測(cè)性能對(duì)比，以PM10為例，比較了兩種模型的預(yù)測(cè)值與監(jiān)測(cè)值的相關(guān)性系數(shù)(r)及SI兩種預(yù)測(cè)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(cè)結(jié)果，深灰色菱形代表化學(xué)傳輸模型CHIMERE的預(yù)測(cè)結(jié)果。參與評(píng)價(jià)的數(shù)據(jù)為比利時(shí)2008年11月—2009年4月3種模型運(yùn)行的預(yù)測(cè)數(shù)據(jù)[6]。結(jié)果表明，統(tǒng)計(jì)模型在預(yù)測(cè)高污染事件的發(fā)生方面具有較高的潛力。

圖2 統(tǒng)計(jì)模型與數(shù)值化學(xué)傳輸模型就PM10日均值的預(yù)測(cè)性能對(duì)比

2 OPAQ應(yīng)用于北京空氣質(zhì)量預(yù)報(bào)的評(píng)價(jià)

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(cè)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(gè)國控點(diǎn)的小時(shí)監(jiān)測(cè)數(shù)據(jù)，美國國家環(huán)境預(yù)報(bào)中心(NCEP)下載的再分析氣象數(shù)據(jù)(FNL)進(jìn)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(bào)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(shí)際觀測(cè)數(shù)據(jù)。因此，對(duì)于統(tǒng)計(jì)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(jìn)行訓(xùn)練，GFS數(shù)據(jù)作為實(shí)時(shí)預(yù)測(cè)數(shù)據(jù)進(jìn)行預(yù)報(bào)，所采用的氣象參數(shù)有2 m高處空氣溫度，2 m高處相對(duì)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(jìn)行改善(見4結(jié)語部分)。

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

圖3 北京東四站點(diǎn)NO2監(jiān)測(cè)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(duì)數(shù)值log(1 + NO2)分別與各個(gè)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(duì)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(fù)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(diǎn)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(diǎn)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(duì)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?yàn)楸憋L(fēng)時(shí)，污染物的濃度明顯低于風(fēng)向?yàn)槟巷L(fēng)時(shí)(經(jīng)向風(fēng)速分別為負(fù)和正時(shí))。同樣，當(dāng)風(fēng)向?yàn)槲黠L(fēng)時(shí)污染物濃度較低，而風(fēng)向?yàn)闁|風(fēng)時(shí)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(diǎn)污染物監(jiān)測(cè)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(duì)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(xiàng)污染物配置5組模型，計(jì)算模擬預(yù)測(cè)值和監(jiān)測(cè)值的均方根誤差(RMSE)，然后為每個(gè)站點(diǎn)每個(gè)預(yù)測(cè)天(預(yù)測(cè)當(dāng)天至未來第5 d)選取最優(yōu)模型和實(shí)時(shí)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(cè)結(jié)果得到了明顯改善。新增的850 hPa高度逆溫強(qiáng)度提高了預(yù)報(bào)結(jié)果的準(zhǔn)確性，但加入其他高度處逆溫強(qiáng)度對(duì)模型改善效果不顯著。

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

表1 北京各站點(diǎn)PM2.5、PM10、NO2濃度日均值和O38 h滑動(dòng)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(píng)價(jià)

使用2015年以前所有可獲得的歷史數(shù)據(jù)對(duì)OPAQ預(yù)測(cè)模型進(jìn)行訓(xùn)練，并用2015年1月1日—4月30日的數(shù)據(jù)進(jìn)行檢驗(yàn)。以下重點(diǎn)討論O3和 PM2.5的預(yù)報(bào)情況。圖5、圖6分別為北京東四站點(diǎn)PM2.5和O3的預(yù)報(bào)與監(jiān)測(cè)值對(duì)比時(shí)間序列圖。圖5中監(jiān)測(cè)值表示PM2.5監(jiān)測(cè)日均值，預(yù)測(cè)值表示OPAQ原始預(yù)報(bào)值，修正值表示采用實(shí)時(shí)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(diǎn)PM2.5的預(yù)報(bào)與監(jiān)測(cè)值對(duì)比時(shí)間序列圖

圖6 北京東四站點(diǎn)O3的預(yù)報(bào)與監(jiān)測(cè)值對(duì)比時(shí)間序列圖

圖6中監(jiān)測(cè)值表示O3的8 h滑動(dòng)平均監(jiān)測(cè)濃度最大值，預(yù)測(cè)值表示OPAQ原始預(yù)報(bào)值，修正值表示實(shí)時(shí)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(shí)間序列圖。

由圖5、圖6可見，OPAQ預(yù)測(cè)模型很好地預(yù)測(cè)了O3和 PM2.5的濃度。且當(dāng)監(jiān)測(cè)值和原始預(yù)報(bào)值差距較大時(shí)，采用實(shí)時(shí)修正方法得到的結(jié)果更好。

圖7為模擬預(yù)測(cè)值與實(shí)際監(jiān)測(cè)值的相關(guān)性系數(shù)統(tǒng)計(jì)箱型圖，橫坐標(biāo)為預(yù)報(bào)未來天數(shù)(用當(dāng)天至第5 d表示)。預(yù)報(bào)的每個(gè)天數(shù)均作了原始預(yù)報(bào)結(jié)果(左側(cè)箱圖)和實(shí)時(shí)修正后結(jié)果(右側(cè)箱圖)的對(duì)比。

圖7 模擬預(yù)測(cè)值與實(shí)際監(jiān)測(cè)值的相關(guān)系數(shù)統(tǒng)計(jì)箱型圖

圖8 PM2.5其他檢驗(yàn)指標(biāo)的統(tǒng)計(jì)箱型圖

由圖7可見，O3每個(gè)預(yù)報(bào)天的模擬預(yù)報(bào)結(jié)果與實(shí)際監(jiān)測(cè)值的相關(guān)性系數(shù)都約為0.8，說明氣象預(yù)報(bào)結(jié)果較好。而對(duì)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(shí)時(shí)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?yàn)閷?shí)時(shí)修正進(jìn)行了偏移修正。RMSE的結(jié)果也類似，如圖8中a圖所示，實(shí)時(shí)修正結(jié)果明顯低于原始預(yù)報(bào)結(jié)果。

圖8還展示了超標(biāo)天預(yù)報(bào)的結(jié)果統(tǒng)計(jì)，設(shè)定超標(biāo)濃度為75 μg/m3。PM2.5的未來第1 d預(yù)測(cè)成功指數(shù)約55～60，實(shí)時(shí)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(bào)出正確的超標(biāo)天數(shù)除以總超標(biāo)天數(shù)，錯(cuò)誤預(yù)警指數(shù)(FFA)為預(yù)報(bào)錯(cuò)誤的超標(biāo)天數(shù)(實(shí)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(shí)時(shí)修正結(jié)果稍差一些。而FCF統(tǒng)計(jì)中，實(shí)時(shí)修正結(jié)果有明顯提高，約70%～80%。

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

針對(duì)OPAQ在其他幾個(gè)城市的應(yīng)用情況，對(duì)其預(yù)測(cè)準(zhǔn)確率做了相應(yīng)的統(tǒng)計(jì)，如表2所示。表中的預(yù)測(cè)準(zhǔn)確率是根據(jù)中國環(huán)境監(jiān)測(cè)總站編寫的《環(huán)境空氣質(zhì)量預(yù)報(bào)預(yù)警方法技術(shù)指南》第二章第六節(jié)中關(guān)于級(jí)別準(zhǔn)確分的描述所做的統(tǒng)計(jì)，統(tǒng)計(jì)了完全準(zhǔn)確天數(shù)與級(jí)別準(zhǔn)確天數(shù)占所有預(yù)報(bào)天數(shù)的比例，其中完全準(zhǔn)確是指預(yù)報(bào)值±10個(gè)點(diǎn)(或±10%)與實(shí)況相符；表中的級(jí)別準(zhǔn)確是指預(yù)報(bào)不跨級(jí)且級(jí)別與實(shí)況相符。

表2 OPAQ在國內(nèi)應(yīng)用案例的預(yù)測(cè)級(jí)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(jì)預(yù)報(bào)系統(tǒng)與數(shù)值預(yù)報(bào)系統(tǒng)的對(duì)比，探討了與數(shù)值預(yù)報(bào)系統(tǒng)的互補(bǔ)性。結(jié)果表明，OPAQ統(tǒng)計(jì)預(yù)報(bào)系統(tǒng)與數(shù)值預(yù)報(bào)各有優(yōu)劣，在應(yīng)用中可以互為補(bǔ)充。

2)用相關(guān)性系數(shù)及預(yù)測(cè)成功指數(shù)兩種指標(biāo)對(duì)統(tǒng)計(jì)和數(shù)值模型進(jìn)行預(yù)測(cè)結(jié)果的評(píng)價(jià)。結(jié)果表明，統(tǒng)計(jì)模型在預(yù)測(cè)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(cè)站預(yù)報(bào)結(jié)果的初步比對(duì)表明，OPAQ對(duì)空氣質(zhì)量預(yù)測(cè)的準(zhǔn)確性較高。O3每個(gè)預(yù)報(bào)天的模擬預(yù)報(bào)結(jié)果與實(shí)際監(jiān)測(cè)值的相關(guān)性系數(shù)都約為0.8，而對(duì)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(shí)時(shí)修正后的結(jié)果在監(jiān)測(cè)值和原始預(yù)報(bào)值有差距時(shí)更好。

4)OPAQ對(duì)污染等級(jí)的預(yù)測(cè)準(zhǔn)確性較高，預(yù)測(cè)未來24 h的級(jí)別準(zhǔn)確率在56.1%～70%。但是，還有待與數(shù)值模型進(jìn)行預(yù)測(cè)性能的對(duì)比。

5)基于人工神經(jīng)網(wǎng)絡(luò)算法的統(tǒng)計(jì)預(yù)報(bào)系統(tǒng)能夠利用較低的計(jì)算資源來較為準(zhǔn)確地預(yù)測(cè)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(duì)OPAQ做進(jìn)一步的改進(jìn)，并提高其預(yù)測(cè)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(shí)空分布特征研究[J].中國環(huán)境監(jiān)測(cè)，2015，31(3)：38-42.

[10] 陳強(qiáng)，梅琨，朱慧敏，等.鄭州市PM2.5濃度時(shí)空分布特征及預(yù)測(cè)模型研究[J].中國環(huán)境監(jiān)測(cè)，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(cè)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(cè)方法對(duì)比研究[J].中國環(huán)境監(jiān)測(cè)，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(xiàng)“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(duì)重污染形成的影響研究”(201409001-03)；科技部科技支撐計(jì)劃環(huán)境領(lǐng)域項(xiàng)目“大氣復(fù)合污染區(qū)域聯(lián)合預(yù)測(cè)預(yù)報(bào)關(guān)鍵技術(shù)研究”(2014BAC22B04)、“京津冀空氣監(jiān)測(cè)預(yù)報(bào)及防控技術(shù)研究與示范”(2014BAC06B04)、中科院先導(dǎo)項(xiàng)目“大氣灰霾追因與控制專項(xiàng)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