一种天气分型分段回归空气质量统计预报方法技术

本发明专利技术公开一种天气分型分段回归空气质量统计预报方法，包括取一段时间内每日的海平面气压，并利用每日的海平面气压，进行Lamb

【技术实现步骤摘要】
一种天气分型分段回归空气质量统计预报方法


[0001]本专利技术涉及空气质量预报
，具体为一种天气分型分段回归空气质量统计预报方法。

技术介绍

[0002]空气质量预报目的是完成空气质量指数（AQI）及六项污染物（SO2、NO2、CO、O3‑
8h、PM
10
、PM
2.5
）浓度的预报工作。空气质量预报的实现是有效应对重污染天气的基础，可支撑应急管控、促进区域联防联控、敦促企业调整生产方式，对保障公众的身心健康及出行安全等方面具有重大意义。
[0003]自2013年以来，生态环境部联合气象局等相关部门大力推动空气质量预报工作，主要方法包括数值预报和统计预报。其中在数值预报工作中，由于源清单存在滞后性、大气化学反应机理尚不完全明确、硬件要求高、计算量大等方面问题，导致数值模式预报在实际应用中表现一般。近些年，大数据分析、机器学习方法兴起，使得统计预报得到了发展。不同于数值预报模式，统计预报有着准确度高、计算量小、灵活、简单易操作等优点。
[0004]现阶段的统计预报工作当中，大部分学者仅仅利用了地面气象要素、位势高度值等数据作为变量，直接利用机器学习的方法分析污染物与各变量之间的关系，而忽略了海平面气压对水平及垂直方向上的传输影响以及其对地面气象要素的决定性作用，同时忽略周边城市的气象对本地空气质量的影响，造成空气质量预报的准确率较低。

技术实现思路

[0005]本部分的目的在于概述本专利技术的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0006]鉴于上述和/或现有的空气质量预报中存在的问题，提出了本专利技术。
[0007]因此，本专利技术的目的是提供一种天气分型分段回归空气质量统计预报方法，考虑了海平面气压对水平及垂直方向上的传输影响以及其对地面气象要素的决定性作用，同时考虑了周边城市的气象对本地使得空气质量的影响，提高了空气质量预报的准确率。
[0008]为解决上述技术问题，根据本专利技术的一个方面，本专利技术提供了如下技术方案：一种天气分型分段回归空气质量统计预报方法，其包括：S1、获取一段时间内每日的海平面气压，并利用每日的海平面气压，进行Lamb
‑
Jenkinson天气分型，得到十种天气型结果；S2、选出十种天气型分别对应的天数，并且记录每个天气型每天对应的数据，该数据包括预测地以及预测地周边十个城市的环境数据以及预测地的气象数据，得到多组样本数据；S3、以每个天气型当天的环境数据为目标值，以前一日的环境数据、前一日气象数
据、预报当日气象数据为输入值，通过多组样本数据进行线性回归模型进行拟合，得到不同天气型下不同污染物在不同时间尺度的统计预报模型。
[0009]作为本专利技术所述的一种天气分型分段回归空气质量统计预报方法的一种优选方案，其中，所述十种天气型分别为北风型、东北风型、东风型、东南风型、南风型、西南风型、西风型、西北风型、低压中心、高压中心。
[0010]作为本专利技术所述的一种天气分型分段回归空气质量统计预报方法的一种优选方案，其中，利用每日的海平面气压，进行Lamb
‑
Jenkinson天气分型的具体步骤如下：以所要预测的城市为中心点，以网格格点在其周边布置16个位置，并下载获取该16个位置的海平面气压P1、P2、P3、P4、P5、P6、P7、P8、P9、P10、P11、P12、P13、P14、P15、P16；计算地转风的南风分量SF=(1/cos(中心城市纬度
×
π/180
°
))
×
[0.25
×
(P5+2
×
P9+P13)
‑
0.25
×
(P4+2
×
P8+P12)]；地转风的西风分量WF=[0.5
×
(P12+P13)
‑
0.5
×
(P4+P5)]；南风切变涡度ZS=(1/(2*cos(中心城市纬度
×
π/180
°
)*cos(中心城市纬度
×
π/180
°
)))
×
[0.25(P6+2
×
P10+P14)
‑
0.25
×
(P5+2
×
P9+P13)
‑
0.25
×
(P4+2
×
P8+P12) +0.25
×
(P3+2
×
P7+P11)]；西风切变涡度ZW=(sin(中心城市纬度/180
°
)/sin((中心城市纬度
‑5°
)*π/180
°
))
×
[0.5
×
(P15+P16)
‑
0.5
×
(P8+P9)]‑
(sin(中心城市纬度*π/180
°
)/sin((中心城市纬度+5
°
)*π/180
°
))
×
[0.5
×
(P8+P9)
‑
0.5
×
(P1+P2)]；合成气流FF=(SF
²
+WF
²
)
1/2
；总切变涡度Z=ZS+ZW；地转风风向由tan
‑1（WF/SF）算出，如果WF为正，则地转风风向加180
°
，如果|Z|<2FF，则气流为直型，认为是八种方向型中的一种，并根据地转风风向的具体数值属于八种方向型的哪个区间范围内判断具体为哪一种方向型，其中，八种方向型为北风型、东北风型、东风型、东南风型、南风型、西南风型、西风型、西北风型；如果|Z|>2FF且Z>0，则视为纯气旋型，即低压中心型；如果|Z|>2FF且Z<0，则视为纯反气旋型，即高压中心型，累计得到十种天气型。
[0011]作为本专利技术所述的一种天气分型分段回归空气质量统计预报方法的一种优选方案，其中，所述环境数据包括含量SO2的含量、NO2的含量、CO的含量、O3的含量、PM
10
的含量、PM
2.5
的含量以及O3‑
8h的含量。
[0012]作为本专利技术所述的一种天气分型分段回归空气质量统计预报方法的一种优选方案，其中，所述气象数据包括日均温度、日最大温度、日均湿度、日累计降水量、日均相对湿度以及日均能见度。
[0013]作为本专利技术所述的一种天气分型分段回归空气质量统计预报方法的一种优选方案，其中，所述线性回归模型的方程公式如下： ；式中，poll本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种天气分型分段回归空气质量统计预报方法，其特征在于，包括：S1、获取一段时间内每日的海平面气压，并利用每日的海平面气压，进行Lamb
‑
Jenkinson天气分型，得到十种天气型结果；S2、选出十种天气型分别对应的天数，并且记录每个天气型每天对应的数据，该数据包括预测地以及预测地周边十个城市的环境数据以及预测地的气象数据，得到多组样本数据；S3、以每个天气型当天的环境数据为目标值，以前一日的环境数据、前一日气象数据、预报当日气象数据为输入值，通过多组样本数据进行线性回归模型进行拟合，得到不同天气型下不同污染物在不同时间尺度的统计预报模型。2.根据权利要求1所述的一种天气分型分段回归空气质量统计预报方法，其特征在于，所述十种天气型分别为北风型、东北风型、东风型、东南风型、南风型、西南风型、西风型、西北风型、低压中心、高压中心。3.根据权利要求1所述的一种天气分型分段回归空气质量统计预报方法，其特征在于，利用每日的海平面气压，进行Lamb
‑
Jenkinson天气分型的具体步骤如下：以所要预测的城市为中心点，以网格格点在其周边布置16个位置，并下载获取该16个位置的海平面气压P1、P2、P3、P4、P5、P6、P7、P8、P9、P10、P11、P12、P13、P14、P15、P16；计算地转风的南风分量SF=(1/cos(中心城市纬度
×
π/180
°
))
×
[0.25
×
(P5+2
×
P9+P13)
‑
0.25
×
(P4+2
×
P8+P12)]；地转风的西风分量WF=[0.5
×
(P12+P13)
‑
0.5
×
(P4+P5)]；南风切变涡度ZS=(1/(2*cos(中心城市纬度
×
π/180
°
)*cos(中心城市纬度
×
π/180
°
)))
×
[0.25(P6+2
×
P10+P14)
‑
0.25
×
(P5+2
×
P9+P13)
‑
0.25
×
(P4+2
×
P8+P12)+0.25
×
(P3+2
×
P7+P11)]；西风切变涡度ZW=(sin(中心城市纬度/180
°
)/sin((中心城市纬度
‑5°
)*π/180
°
))
×
[0.5
×
(P15+P16)
‑
0.5
×
(P8+P9)]
‑
(sin(...

【专利技术属性】
技术研发人员：刘静达，王莉莉，
申请(专利权)人：无锡中科光电技术有限公司，
类型：发明
国别省市：