利用集合深度学习方法订正空气质量数值预报结果——以新疆乌昌石城市群为例

作     者：张斌 吕宝磊 王馨陆 张雯娴 胡泳涛 ZHANG Bin;Lü Baolei;WANG Xinlu;ZHANG Wenxian;HU Yongtao

作者机构：新疆生产建设兵团环境保护科学研究所乌鲁木齐830002 华云升达(北京)气象科技有限责任公司北京102299 杭州矮马科技有限公司杭州311121 School of Civil and Environmental EngineeringGeorgia Institute of TechnologyAtlantaGA 30332 

出 版 物：《北京大学学报（自然科学版）》 (Acta Scientiarum Naturalium Universitatis Pekinensis)

年 卷 期：2020年第56卷第5期

页      面：931-938页

核心收录：

学科分类：07[理学] 070602[理学-大气物理学与大气环境] 0706[理学-大气科学] 

基　　金：矮马科技自主研发项目(研字2016-003) 华云集团科技项目(HYKJXM-201803)资助 

主　　题：客观订正 多源数据 机器学习 集合预报 

摘      要：开展基于空气质量数值模式CMAQ(社区多尺度空气质量模型)预报结果的后校正算法研究。利用集合深度学习方法,对CMAQ的PM2.5(细颗粒物)原始预报结果进行误差订正,以期提高预报准确率。该方法集合了深度神经网络模型、随机森林模型、梯度提升模型和广义线性模型4种机器学习模型,在每一个模型中结合原始的气象预报、空气质量预报和土地利用类型等多源数据作为辅助变量,对PM2.5预报浓度进行校正,最后求取4个模型的集合结果。将该方法应用于订正新疆乌(鲁木齐)昌(吉)石(河子)城市群的CMAQ预报结果,利用2018年的独立样本进行评估,订正预报结果的准确性显著提升,站点5天预报的决定系数R2为0.41~0.60,比原始预报提高60%~160%,均方根误差RMSE降低40%左右;交叉验证的站点预报R2同样提升50%~80%,RMSE下降30%左右。该订正方法的计算效率高,可以部署于业务化预报平台,进行可靠的运行。