本文關(guān)鍵詞：基于數(shù)值預(yù)報的空氣質(zhì)量預(yù)測模型的研究　出處：《浙江理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 空氣質(zhì)量預(yù)測 數(shù)值預(yù)報 多模式 動態(tài)權(quán)重更新 集成修正

【摘要】：近年來,人類工業(yè)化進程的不斷加快加劇了環(huán)境的惡化程度,隨著區(qū)域重污染天氣特別是重度霧霾天氣的不斷出現(xiàn),空氣質(zhì)量問題已經(jīng)成為社會熱點話題之一。當前,我國的大氣污染已經(jīng)由過去單一類型的污染逐步轉(zhuǎn)變?yōu)槎喾N污染物、多種作用機制同時存在、而且相互影響的復(fù)合型大氣污染。復(fù)雜的大氣污染問題加大了空氣質(zhì)量預(yù)測預(yù)報的難度,傳統(tǒng)單一的預(yù)測預(yù)報方式已經(jīng)不能準確的預(yù)測空氣質(zhì)量狀況。本文基于空氣質(zhì)量數(shù)值模擬預(yù)報技術(shù),進行區(qū)域空氣質(zhì)量預(yù)測預(yù)報的研究。提出并且設(shè)計了一個基于數(shù)值預(yù)報的空氣質(zhì)量預(yù)測模型:多模式-集成修正預(yù)測模型。模型采用高度模塊化設(shè)計思想,氣象場資料模塊根據(jù)浙江省區(qū)域氣象特點設(shè)置氣象模式軟件MM5與WRF特定的參數(shù)方案,作為空氣質(zhì)量數(shù)值模式的氣象場輸入;污染源本地化模塊定制浙江省區(qū)域的污染源清單數(shù)據(jù),經(jīng)過源排放輸入文件的處理程序SMOKE處理后作為空氣質(zhì)量數(shù)值模式的污染源清單輸入;空氣質(zhì)量多模式運行模塊實現(xiàn)包括WRF-CHEM、WRF-CMAQ、MM5-CMAQ和MM5-CAMx四種空氣質(zhì)量數(shù)值模式的并行運行;集成-修正模塊對多模式運行結(jié)果進行集成修正,該模塊包括多維度動態(tài)權(quán)重更新模型與誤差修正模型,多維度動態(tài)權(quán)重更新模型通過算法來動態(tài)調(diào)整各個模式的各類污染物在集成預(yù)報中權(quán)重因子,誤差修正模塊通過算法來計算集成預(yù)報中的誤差大小,對預(yù)測結(jié)果進行修正�；诙嗄Ｊ�-集成修正模型,構(gòu)建浙江省空氣質(zhì)量預(yù)測預(yù)報業(yè)務(wù)系統(tǒng)。通過將監(jiān)測數(shù)據(jù)與預(yù)測數(shù)據(jù)進行特定的參數(shù)評估分析,發(fā)現(xiàn)此模型在區(qū)域空氣質(zhì)量預(yù)報方面具有良好的準確度。實驗結(jié)果表明采用算法控制模式預(yù)報結(jié)果的方式可以充分利用各個模式的優(yōu)點,做到預(yù)報結(jié)果的互補,比單個模式、簡單的平均集成結(jié)果的預(yù)測結(jié)果更加準確、可靠。
[Abstract]:In recent years, the accelerating process of human industrialization has aggravated the degree of environmental degradation, with the emergence of regional heavy pollution weather, especially severe haze weather. Air quality has become one of the hot topics in our society. At present, air pollution in China has gradually changed from a single type of pollution to a variety of pollutants, and a variety of mechanisms exist at the same time. The complex problem of air pollution increases the difficulty of air quality prediction and prediction. The traditional single forecasting method can not predict the air quality accurately. This paper is based on the numerical simulation and prediction technology of air quality. An air quality prediction model based on numerical prediction is proposed and designed. The model is multi-model-integrated modified forecasting model. The model adopts highly modular design idea. According to the regional meteorological characteristics of Zhejiang Province, the meteorological field data module sets up the specific parameter scheme of meteorological model software MM5 and WRF, which can be used as the meteorological field input of the numerical model of air quality. Pollution source localization module customizes the pollution source inventory data in Zhejiang province, and after processing the source emission input file by SMOKE, it is used as the air quality numerical model of the pollution source list input. The air quality multi-mode operation module includes WRF-CHEMN WRF-CMAQ MM5-CMAQ and MM5-CAMx. The integration-correction module integrates the results of multi-mode operation. The module includes a multi-dimensional dynamic weight updating model and an error correction model. Multi-dimensional dynamic weight updating model dynamically adjusts the weight factor of various pollutants in the integrated forecast by the algorithm, and the error correction module calculates the error size of the integrated forecast by the algorithm. Based on the multi-model-integrated correction model, the operational system of air quality prediction and prediction in Zhejiang Province is constructed. The monitoring data and the forecast data are analyzed by the specific parameter evaluation. It is found that the model has good accuracy in regional air quality prediction. The experimental results show that the algorithm control model forecast results can make full use of the advantages of each model, and achieve the complementary prediction results. Simple average integration results are more accurate and reliable than individual models.
【學(xué)位授予單位】：浙江理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：X51

【參考文獻】

相關(guān)期刊論文 前10條

1 楊勇;劉凌;董娜;;基于組合權(quán)重分配的物流園區(qū)評價方法研究[J];物流技術(shù);2015年05期

2 沈勁;鐘流舉;何芳芳;陳多宏;;基于聚類與多元回歸的空氣質(zhì)量預(yù)報模型開發(fā)[J];環(huán)境科學(xué)與技術(shù);2015年02期

3 黃思;唐曉;徐文帥;王哲;陳煥盛;李杰;吳其重;王自發(fā);;利用多模式集合和多元線性回歸改進北京PM_(10)預(yù)報[J];環(huán)境科學(xué)學(xué)報;2015年01期

4 譚成好;陳昕;趙天良;單云鵬;;空氣質(zhì)量數(shù)值模型的構(gòu)建及應(yīng)用研究進展[J];環(huán)境監(jiān)控與預(yù)警;2014年06期

5 程春英;尹學(xué)博;;霧霾之PM_(2.5)的來源、成分、形成及危害[J];大學(xué)化學(xué);2014年05期

6 王哲;王自發(fā);李杰;鄭海濤;晏平仲;李健軍;;氣象—化學(xué)雙向耦合模式(WRF-NAQPMS)研制及其在京津冀秋季重霾模擬中的應(yīng)用[J];氣候與環(huán)境研究;2014年02期

7 王躍思;張軍科;王莉莉;胡波;唐貴謙;劉子銳;孫揚;吉東生;;京津冀區(qū)域大氣霾污染研究意義、現(xiàn)狀及展望[J];地球科學(xué)進展;2014年03期

8 陶燕;劉亞夢;米生權(quán);郭勇濤;;大氣細顆粒物的污染特征及對人體健康的影響[J];環(huán)境科學(xué)學(xué)報;2014年03期

9 王慶改;何友江;梁鵬;丁峰;李時蓓;趙曉宏;;MM5和WRF模式對高空氣象數(shù)據(jù)模擬的對比分析[J];安全與環(huán)境學(xué)報;2014年01期

10 史軍;崔林麗;;長江三角洲城市群霾的演變特征及影響因素研究[J];中國環(huán)境科學(xué);2013年12期

相關(guān)博士學(xué)位論文 前1條

1 盧金娜;基于優(yōu)化算法的徑向基神經(jīng)網(wǎng)絡(luò)模型的改進及應(yīng)用[D];中北大學(xué);2015年

相關(guān)碩士學(xué)位論文 前7條

1 邵宏贍;基于自組織膜計算的屬性權(quán)重分配方法及應(yīng)用研究[D];北京工業(yè)大學(xué);2015年

2 柯伯俊;四川省大氣污染源排放清單研究[D];西南交通大學(xué);2014年

3 司志娟;基于灰色神經(jīng)網(wǎng)絡(luò)組合模型的空氣質(zhì)量預(yù)測[D];天津大學(xué);2012年

4 嚴華雯;基于GFS和WW3數(shù)值預(yù)報模式數(shù)據(jù)的精細化海洋氣象預(yù)報集成平臺開發(fā)[D];華東師范大學(xué);2012年

5 王守權(quán);大氣質(zhì)量評價與預(yù)測的智能方法研究[D];吉林大學(xué);2011年

6 吳曉璐;長三角地區(qū)大氣污染物排放清單研究[D];復(fù)旦大學(xué);2009年

7 杜曉亮;人工神經(jīng)網(wǎng)絡(luò)在空氣質(zhì)量預(yù)測中的應(yīng)用研究[D];山東大學(xué);2009年

，

本文編號：1358159