海口市臭氧浓度统计预报模型的构建与效果评估

来源：环境科学杂志2024年第1期北京时间：

作者：符传博,林建兴,唐家翔,丹利

单位：海南省气象科学研究所, 海口 570203,海南省南海气象防灾减灾重点实验室, 海口 570203,海南省气象台, 海口 570203,海南省气象台, 海口 570203,中国科学院大气物理研究所东亚区域气候-环境重点实验室, 北京 100029

摘要：主要利用2015~2020年海口市臭氧（O₃）浓度资料和ERA5再分析资料,基于污染物浓度控制方程挑选出海口市O₃-8h浓度（日最大8 h滑动平均）的15个关键预报因子,构建了多元线性回归模型（MLR）、支持向量机模型（SVM）和BP神经网络模型（BPNN）,并对2021年海口市O₃-8h浓度进行预测和效果检验.结果表明,O₃-8h浓度与关键预报因子的相关系数绝对值主要分布在0.2~0.507之间,其中1 000 hPa的相对湿度（RH₁₀₀₀）和风向（WD₁₀₀₀）,875 hPa的经向风（v₈₇₅）的相关系数绝对值超过了0.4,具有较好的指示作用.3个预报模型基本能预报出海口市O₃-8h浓度冬半年偏高,夏半年偏低的变化趋势,其中BPNN模型的标准误差（RMSE）数值最小（22.29 μg·m-3）.实测值与3个统计模型预报值的相关系数从大到小排列为：0.733（BPNN）>0.724（SVM）>0.591（MLR）,均通过了99.9%的信度检验.O₃-8h浓度等级预报的结果检验表明,3个预报模型的TS评分均随着O₃-8h浓度等级的上升而下降,而漏报率（PO）和空报率（NH）随着O₃-8h浓度等级的上升而上升.SVM和BPNN模型在3个等级预报中TS评分均略高于MLR模型,特别是在轻度污染等级,TS评分还维持在70%以上,具有较好的预报性能.

关键词：臭氧（O3）,多元线性回归,支持向量机,BP神经网络,预报评估,海口市,