一种基于秋冬季重污染天气的预报方法技术

本发明专利技术公开了一种基于秋冬季重污染天气的预报方法，包括以下步骤：S1：获取气象预报系统、环境空气质量系统和污染源排放监控系统的数据进行关联分析；S2：通过预报方法进行模拟分析得出重污染天气发生的概率和趋势；S3：通过模型中植入的重污染历史案例进行智能判断并给出相应的重污染预报；S4：根据污染趋势实现及时修正预报产品；S5：根据每次污染实测结果，修正相应功能模块，提高预报精度。本发明专利技术可以针对性预测秋冬季重污染天气趋势，提高预报的准确度。的准确度。的准确度。

【技术实现步骤摘要】
一种基于秋冬季重污染天气的预报方法


[0001]本专利技术属于气象预报和环境空气质量预报领域，具体涉及一种秋冬季重污染天气的预报方法。

技术介绍

[0002]秋冬季是重污染高发季节，出现重污染的频次较高，提高重污染预报准确有助于为群众健康提供更好的指引，同时也为大气污染防治提供指导。目前用于重污染预报的常用模型有CMAQ、CAMx、WRF－CMAQ等。
[0003]国内预报重污染的模型多为数值模型，且多为模型中的部分功能。在预报的模块构成上采用的是实验数据，与预报工作中面对的现实区域存在差异。由于实际预报时，为保证污染过程预报的准确性，还需要气象预报、污染排放以及环境空气质量预报的综合研判。因此单纯的环境空气质量数值预报不能满足目前重污染预报精准性需求。
[0004]此外，目前集成了气象、污染源等数据的模型多数为预判污染源排放扩散趋势的模型如：CALPUFF模型。但针对秋冬季环境空气重污染预报的专用模型还比较缺乏。对此，本研究立足整合现有模型优势，针对性的对秋冬季重污染天气预报提供解决思路。

技术实现思路

[0005]因此，为了解决现有大气污染物扩散预测模型和环境空气数值预报对于环境空气中重污染预测精度不足的问题，提出一种秋冬季重污染天气的预报方法，结合气象预报系统、环境空气质量系统和污染源排放监控系统以及重污染历史案例，智能判断并给出相应的重污染预报产品。
[0006]本专利技术是这样实现的，构造一种种基于秋冬季重污染天气的预报方法，所述方法以下步骤：步骤S1，获取气象预报系统、环境空气质量系统和污染源排放监控系统的数据进行关联分析；步骤S2，通过预报方法进行模拟分析得出重污染天气发生的概率和趋势；步骤S3，通过模型中植入的重污染历史案例进行智能判断并给出相应的重污染预报；步骤S4，根据污染趋势实现及时修正预报产品；步骤S5，根据每次污染实测结果，修正相应功能模块，提高预报精度。
[0007]上述方案中，步骤S1进一步包括：步骤S11，通过气象预报系统，分析确认预报区域的未来一段时间的天气型；步骤S12，通过环境空气质量系统，确定当前一段时间环境空气质量的化情况；步骤S13，通过污染源排放监控系统，确定当前一段时间气态污染物排放变化情况。
[0008]进一步地，在步骤S11中气象预报系统，是指气象信息综合处理系统（MICAPS）。
MICAPS气象信息综合分析处理系统，是与卫星通讯、数据库配套的支持天气预报制作的人机交互系统。其主要功能是通过检索各种气象数据，显示气象数据的图形和图像，对各种气象图形进行编辑加工，为气象预报人员提供一个中期、短期、短时天气预报的工作平台。
[0009]进一步地，在步骤S11中，天气型进一步包括：根据所在区域近5年秋冬季历史重污染天气气象数据，采集空气质量指数AQI>100天气个例样本，采用K
‑
means算法对其进行分类。分析归纳出的若干种发生重污染过程的天气类型，气象数据天气形势和天气要素，包括500hPa，700hPa和850hPa高度场，地面场，风速、相对湿度、降雨量以及探空数据。
[0010]进一步地，在步骤S12中，环境空气质量的变化情况，进一步包括：近一周预报区域二氧化硫、二氧化氮、一氧化碳、臭氧、可吸入颗粒物、细颗粒物浓度和AQI小时、日数据变化趋势。
[0011]进一步地，在步骤S13中，气态污染物排放的变化情况进一步包括：近一周预报区域内污染源排放的二氧化硫、氮氧化物和颗粒物浓度变化趋势。污染源包含：工业源、扬尘源和移动源。
[0012]进一步地，在步骤S2中，预报方法为预报所在区域历史重污染过程天气分型、污染源排放和环境空气质量等模块构成的树形结构模型，预测模型采用机器学习决策树和人工神经网络算法模型。
[0013]进一步地，在步骤S3中，植入的重污染历史案例进行智能判断，进一步包括于模型中植入所在区域近5年的重污染历史案例集，通过人工神经网络算法智能匹配模型预测的污染气象类型，得出重污染预报产品。
[0014]进一步地，在步骤S4中，根据污染趋势实现及时修正预报产品，进一步包含在污染期间，由于气象条件变化或污染形势变化导致所在区域的污染趋势与之前预报的趋势有偏差时，进行实时修正。
[0015]进一步地，在步骤S5中，根据每次污染实测结果，修正相应功能模块，提高预报精度。进一步包含在实际监测过程得到的重污染情况与预报偏差较大时，对功能模块修正。包含细颗粒物浓度预报准确率，空气质量指数范围准确率，气象因素（风速、相对湿度、降雨量）预报准确率。根据准确率，进一步修正和完善模型中的对应模板，实现模型开放式运行和技术闭环。
[0016]本专利技术具有如下优点：大气污染物扩散预测模型和环境空气数值预报对于环境空气中重污染预测精度不足的问题。提出一种基于秋冬季重污染天气的预报方法，通过获取气象预报系统、环境空气预报系统和污染源排放监控系统的数据进行关联分析，得出重污染天气发生的概率、时长和程度。同时通过模型中植入的重污染历史案例进行智能判断并给出相应的重污染预报。同时，据污染趋势实现及时修正预报产品。根据每次重污染过程实测结果，修正相应功能模块，提高预报精度。
附图说明
[0017]图1是秋冬季重污染天气的预报方法工作步骤示意图；图2 秋冬季重污染天气的预报方法工作原理流程图。
具体实施方式
[0018]下面将结合附图1
‑
图2对本专利技术进行详细说明，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0019]为解决现有大气污染物扩散预测模型和环境空气数值预报对于环境空气中重污染预测精度不足的问题，本专利技术提出一种秋冬季重污染天气的预报方法，结合气象预报系统、环境空气质量系统和污染源排放监控系统以及重污染历史案例，智能判断并给出相应的重污染预报产品。
[0020]参照图1，基于秋冬季重污染天气的预报方法，包括以下步骤：步骤S1，获取气象预报系统、环境空气质量系统和污染源排放监控系统的数据进行关联分析；步骤S2，通过预报方法进行模拟分析得出重污染天气发生的概率和趋势；步骤S3，通过模型中植入的重污染历史案例进行智能判断并给出相应的重污染预报；步骤S4，根据污染趋势实现及时修正预报产品；步骤S5，根据每次污染实测结果，修正相应功能模块，提高预报精度。
[0021]在本申请的具体实施例中，在步骤S1中，进一步包括：步骤S11，通过气象预报系统，分析确认预报区域的未来一段时间的天气型；步骤S11中气象预报系统，是指气象信息综合处理系统（MICAPS）。MICAPS气象信息综合分析处理系统，是与卫星通讯、数据库配套的支持天气预报制作的人机交互系统。其主要功能是通过检索各种气象数据，显示气象数据的图形和图像，对各种气象图形进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于秋冬季重污染天气的预报方法，其特征在于，包括以下步骤：步骤S1，获取气象预报系统、环境空气质量系统和污染源排放监控系统的数据进行关联分析；步骤S2，通过预报方法进行模拟分析得出重污染天气发生的概率和趋势；步骤S3，通过模型中植入的重污染历史案例进行智能判断并给出相应的重污染预报；步骤S4，根据污染趋势实现及时修正预报产品；步骤S5，根据每次污染实测结果，修正相应功能模块，提高预报精度。2.根据权利要求1所述的秋冬季重污染天气的预报方法，其特征在于，步骤S1进一步包括：步骤S11，通过气象预报系统，分析确认预报区域的未来一段时间的天气型；步骤S12，通过环境空气质量系统，确定当前一段时间环境空气质量的化情况；步骤S13，通过污染源排放监控系统，确定当前一段时间气态污染物排放变化情况。3.根据权利要求2所述的秋冬季重污染天气的预报方法，其特征在于，所述步骤S11中气象预报系统，是指气象信息综合处理系统（MICAPS），MICAPS气象信息综合分析处理系统，是与卫星通讯、数据库配套的支持天气预报制作的人机交互系统，其主要功能是通过检索各种气象数据，显示气象数据的图形和图像，对各种气象图形进行编辑加工，为气象预报人员提供一个中期、短期、短时天气预报的工作平台。4.根据权利要求2所述的秋冬季重污染天气的预报方法，其特征在于，所述步骤S11中天气型，进一步包括：根据所在区域近5年秋冬季历史重污染天气气象数据，采集空气质量指数AQI>100天气个例样本，采用K
‑
means算法对其进行分类；分析归纳出的若干种发生重污染过程的天气类型，气象数据天气形势和天气要素，包括500hPa，700hPa和850hPa高度场，地面场，风速、相对湿度、降雨量以及探空数据。5.根据权利...

【专利技术属性】
技术研发人员：龚韬，陈贝，齐国伟，江南，邓淼，肖瀛川，樊寒松，李嘉琪，赵颖，陈丹，
申请(专利权)人：四川省乐山生态环境监测中心站，
类型：发明
国别省市：