【技术实现步骤摘要】
一种快速预报区域大气气溶胶浓度的方法及系统
[0001]本专利技术涉及大气预报
，尤其涉及一种快速预报区域大气气溶胶浓度的方法及系统。
技术介绍
[0002]大气气溶胶是悬浮于大气中的固体颗粒物的统称。其中的细粒子气溶胶称之为PM2.5。工业化以来，气溶胶的浓度水平及人类活动气溶胶的占比呈现明显上升趋势。气溶胶浓度的增加可造成空气污染，严重地影响人类的身体健康，增加了呼吸系统疾病的发病率和死亡率。气溶胶浓度预报是空气质量预报最重要的组成部分，准确的气溶胶浓度预报可以为环境治理、出行、城市管理和人体健康管理提供参考，是满足社会需求的重要研究和应用方向。
[0003]当前的区域气溶胶浓度预报主要基于大气化学传输模型(CTM)。大气化学传输模型在需要给定排放清单，在此基础上详细模拟气溶胶相关物理化学过程，包括生成、扩散、运输和沉积，从而模拟出气溶胶浓度。基于CTM的模拟不仅提供了气溶胶浓度的估计，而且还提供了物理化学过程的信息，可以方便地分析气溶胶污染的机制。然而，大气化学传输模型中的参数化和排放清单具有极大不确定性...
【技术保护点】
【技术特征摘要】
1.一种快速预报区域大气气溶胶浓度的方法，其特征在于，包括以下步骤：S1，生成编码时段的特征变量数据集，包括格点气象数据、格点准静态数据和格点气溶胶观测数据；S2，生成解码时段的特征变量数据集，包括格点气象预报数据和格点准静态数据；S3，构建数据编码神经网络以及数据解码神经网络，基于所述数据编码神经网络和数据解码神经网络，建立待优化的大气气溶胶浓度预测的时空编码
‑
解码神经网络模型；S4，将步骤S1获得的编码阶段的特征变量数据集和S2中获得的解码时段的特征变量数据集分别分为训练集和测试集，采用训练集训练步骤S3中的待优化的大气气溶胶浓度预测的时空编码
‑
解码神经网络模型，采用测试集测试后得到最终的预报模型；S5,采用最终的预报模型对待预报区域未来某时刻发大气气溶胶浓度进行预测。2.根据权利要求1所述的快速预报区域大气气溶胶浓度的方法，其特征在于，步骤S1前还包括划分格点：将待预报区域划分为N
Y
×
N
X
个格点，其中N
Y
和N
X
分别代表南北和东西方向的格点数量。3.根据权利要求1所述的快速预报区域大气气溶胶浓度的方法，其特征在于，步骤S1中具体包括：S11，收集待预报范围内编码时段格点基本气象数据和非气象变量数据，所述编码时段以起报时刻为分界，起报时刻及其之前已经发生的时段为编码时段，共L
enc
个时刻，所述编码时段格点基本气象数据来自于数值天气预报输出数据，包括但不限于观测高度处的温度、相对湿度、地面气压、每个时间间隔内的降水量、边界层高度、10米高度的东西风、南北风、850hPa的东西风和南北风和850hPa的位势高度；所述非气象数据包括但不限于地面高程、土地利用类型、气溶胶的排放清单数据；S12，计算编码时段的衍生气象数据，所述衍生气象数据包括但不限于地面24小时变压、850hPa的24小时变压和变温；S13，制作编码时段格点气溶胶浓度观测：将L
enc
个时刻的气溶胶浓度观测插值到步骤S11所述的对应格点中，对每一个时刻t，采集的气溶胶浓度观测为上一个时刻的浓度观测；S14,制作编码时段局地特征张量数据集：将步骤S11中得到的除850hPa位势高度之外的全部的基本气象变量和非气象变量数据，步骤S12中得到的全部衍生气象变量以及步骤S13中的全部气溶胶浓度观测打包，合并为一个N
VL
×
N
Y
×
N
X
的张量,记作T
enclocal
，其中N
VL
代表编码时段局地特征变量的数量；S15，生成编码时段非局地特征张量数据集：将步骤S11中的850hPa和10米高度处的东西风、南北风，以及地面高程合并为一个N
VN
×
N
Y
×
N
X
的张量，记作T
encnonlocal
，其中N
VN
代表编码时段非局地特征变量的数量。4.根据权利要求3所述的快速预报区域大气气溶胶浓度的方法，其特征在于，步骤S2具体包括：S21，收集待预报范围内解码时段格点基本气象数据和非气象变量数据，所述解码时段以起报时刻为分界，起报时刻之后的时段为解码时段，共L
dec
个时刻，所述解码时段格点基本气象数据来自于数值天气预报输出数据，包括但不限于观测高度处的温度、相对湿度、地面气压、每个时间间隔内的降水量、边界层高度、10米高度的东西风、南北风、850hPa的东西风和南北风和850hPa的位势高度；所述非气象数据包括但不限于地面高程、土地利用类型、
气溶胶的排放清单数据；S22，计算解码时段的衍生气象数据，所述衍生气象数据包括但不限于地面24小时变压、850hPa的24小时变压和变温；S23，制作解码时段格点气溶胶浓度二维观测真值：将L
dec
个时刻的气溶胶浓度观测插值到步骤S11所述的对应格点中，对每一个时刻t，采集的气溶胶浓度观测为上一个时刻的浓度观测，采集的气溶胶浓度观测为O
t
；S24,制作解码时段局地特征张量数据集：将步骤S21中得到的除850hPa位势高度之外的全部的基本气象变量和非气象变量数据，步骤S22中得到的全部衍生气象变量以及步骤S23中的全部气溶胶浓度观测打包，合并为一个M
VL
×
N
Y
×
N
X
的张量其中M
VL
代表编码时段局地特征变量的数量；S25，生成解码时段非局地特征张量数据集：将步骤S11中的850hPa和10米高度处的东西风、南北风，以及地面高程合并为一个M
VN
×
N
Y
×
N
X
大小的张量其中M
VN
代表编码时段非局地特征变量的数量；S26，制作起报时刻气溶胶浓度二维观测O
start
：将起报时刻的气溶胶浓度观测插值到S11所示相同的格点中，得到O
start
。5.根据权利要求1所述的快速预报区域大气气溶胶浓度的方法，其特征在于，步骤S3具体包括：S31，构建编码网络：所述编码网络的基本结构采用PredRNN，每一层均为卷积长短期记忆网络convLSTM，连接时间和空间；在空间上，每一层向上层网络输出卷积后的新张量，包括局地卷积层、短距离扩散层以及长距离输送层，具体包括：S311，局地层：输入变量为S14得到的编码时段局地特征张量放入卷积核大小为1
×
1的convLSTM层中计算，输出张量表示为T
enc0
,其通道数量16；单个时间步上的局地卷积层映射可以表示为S312，短距离扩散层：首先将输入变量为S311中的输出张量T
enc0
和S15中得到的非局地特征张量合并得到一个新的张量T
enc1
，即：其中代表通道合并，再将张量T
enc1
放入一个convLSTM层中计算，卷积核为3
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。