基于神经网络和数值模型的重点区域PM_2.5预报比较分析

来源：环境科学杂志2022年第1期北京时间：

作者：高愈霄,汪巍,黄永海,王晓彦,朱媛媛,朱莉莉,许荣,李健军

单位：中国环境监测总站, 北京 100012,中国环境监测总站, 北京 100012,中国环境监测总站, 北京 100012,中国环境监测总站, 北京 100012,中国环境监测总站, 北京 100012,中国环境监测总站, 北京 100012,中国环境监测总站, 北京 100012,中国环境监测总站, 北京 100012

摘要：应用BP神经网络法建立京津冀及周边城市、汾渭平原、苏皖鲁豫交界地区和长三角地区等重点区域95个城市PM_2.5预报模型，对2020年秋冬季上述地区城市开展未来7 d的PM_2.5预测预报，并对比同期业务化运行的数值模型预报结果和各城市人工订正后预报结果，对3方法预报效果进行分析评估.结果表明：①4区域神经网络法模型性能短期预报相对较好，中长期有所降低，对4区域均有一定的系统性高估，苏皖鲁豫交界地区系统性偏差最小，长三角地区偏差最显著.数值模型区域预报水平较神经网络有所降低，各评价指标总体低于神经网络，对辖区城市间预报效果较神经网络差异更大.②神经网络、数值模型和人工订正方法对4区域PM_2.5浓度预报准确率普遍较低，平均不足50%，准确水平总体呈：神经网络 > 人工订正 > 数值模型.3方法分指数级别范围准确率均大幅提升，4区域1~4 d平均准确率均在65%以上，神经网络模型和人工订正水平相近，总体高于数值模型.③在预报中度及以上污染级别日时，数值模型在京津冀及周边城市、苏皖鲁豫交界地区和长三角地区效果均较为理想，汾渭平原最差.神经网络模型对京津冀及周边城市、苏皖鲁豫交界地区和汾渭平原短期预报效果较好，长三角地区较差.人工订正结果总体在中度污染级别时预报效果相对较好，重度及以上预报效果和神经网络模型相近.

关键词：BP神经网络,NAQPMS模型,人工订正,重点区域,PM2.5预报,比较分析,