上海市PM2.5浓度统计释用综合集成研究
来源：中国环境科学杂志2017年第2期北京时间：
作者：李亚云, 束炯, 沈愈
单位：1. 华东师范大学, 教育部地理信息科学重点实验室, 上海 200241;2. 上海市气候中心, 上海 200030
摘要：在WRF模式输出的基础上，结合卡尔曼滤波（KALMAN）、偏最小二乘回归（PLS）和辨识理论实时迭代统计方法（RTIM）组成3种模式输出统计预报（MOS），并运用这3种MOS模式分别建立多模式平均、递归正权综合和多元线性回归集成模式，对上海市2014年12月2日~31日（PM2.5轻度污染天气过程）以及2015年12月15日~2016年1月13日（PM2.5重污染天气过程）进行了1d、2d和3d的PM2.5日均浓度试预报.结果表明：相比于3种单一的MOS模式，集成模式通过获取更为准确的信息而减少了系统误差，这不仅可以提升对污染天气过程的预报能力，且有可能降低污染过程中决策失败的风险.通过对PM2.5轻度污染天气和重污染天气过程预报的比较分析，多元线性回归集成模式整体预报显示出更高的精度和稳定性.统计释用方法综合集成模式对于PM2.5预报显示出良好的性能，可为业务化预报模型的选择提供可借鉴的参考.
关键词：PM2.5,多元线性回归,综合集成,递归正权综合,WRF
基金资助：国家自然科学基金资助项目（41271055）；国家社科基金重大项目（13&ZD161）
