| ARIMA时间序列分析模型在臭氧浓度中长期预报中的应用 |
| 摘要点击 2379 全文点击 696 投稿时间：2020-11-28 修订日期：2020-12-28 |
| 查看HTML全文
查看全文 查看/发表评论 下载PDF阅读器 |
| 中文关键词 臭氧(O3) 中长期预报 时间序列分析 ARIMA模型 京津冀地区 |
| 英文关键词 ozone(O3) mid- and long-term forecast time series analysis ARIMA model Beijing-Tianjin-Hebei region |
| 作者 | 单位 | E-mail | | 李颖若 | 中国气象局北京城市气象研究院, 北京 100089
中国气象局大气化学重点开放实验室, 北京 100089
京津冀环境气象预报预警中心, 北京 100089 | lyr@pku.edu.cn | | 韩婷婷 | 中国气象局北京城市气象研究院, 北京 100089
中国气象局大气化学重点开放实验室, 北京 100089 | | | 汪君霞 | 北京大学环境科学与工程学院, 北京 100871 | | | 权维俊 | 京津冀环境气象预报预警中心, 北京 100089 | | | 何迪 | 京津冀环境气象预报预警中心, 北京 100089 | | | 焦热光 | 京津冀环境气象预报预警中心, 北京 100089 | | | 吴进 | 京津冀环境气象预报预警中心, 北京 100089 | | | 郭恒 | 京津冀环境气象预报预警中心, 北京 100089 | | | 马志强 | 中国气象局北京城市气象研究院, 北京 100089
中国气象局大气化学重点开放实验室, 北京 100089
京津冀环境气象预报预警中心, 北京 100089 | zqma@ium.cn |
|
| 中文摘要 |
| 近年来，京津冀地区近地面臭氧浓度呈现上升趋势，臭氧污染超标情况严重.目前由于前体物源排放清单、臭氧生成和扩散的物理和化学过程机制存在不足等原因，导致了数值模型在预报夏季臭氧浓度时仍然存在较大偏差，而时间序列分析方法由于具有建模简单、计算成本低的特点，在臭氧污染预报中具有很好的应用前景.本研究利用华北区域大气本底站上甸子站点和环境监测总站天津和保定站点的臭氧观测数据，采用ARIMA时间序列分析模型开展臭氧浓度中长期预报研究.结果表明，季节性ARIMA模型在预报臭氧长期月均值时，预测值和观测值的相关系数R可达0.951，均方根误差RMSE仅为10.2 μg·m-3.加入了日最高气温及二次项作为协变量的动态ARIMA模型，对臭氧日最大8 h滑动平均值的预报效果得到了很大提升，预测值和观测值的相关系数由0.296~0.455提升至0.670~0.748，RMSE得到了有效降低. |
| 英文摘要 |
| Ozone pollution has recently become a severe air quality issue in the Beijing-Tianjin-Hebei region. Due to the lack of a precursor emission inventory and complexity of physical and chemical mechanism of ozone generation, numerical modeling still exhibits significant deviations in ozone forecasting. Owing to its simplicity and low calculation costs, the time series analysis model can be effectively applied for ozone pollution forecasting. We conducted a time series analysis of ozone concentration at Shangdianzi, Baoding, and Tianjin sites. Both seasonal and dynamic ARIMA models were established to perform mid- and long-term ozone forecasting. The correlation coefficient R between the predicted and observed value can reach 0.951, and the RMSE is only 10.2 μg·m-3 for the monthly average ozone prediction by the seasonal ARIMA model. The correlation coefficient R between the predicted and observed value increased from 0.296-0.455 to 0.670-0.748, and RMSE was effectively reduced for the 8-hour ozone average predicted by the dynamic ARIMA model. |
|
|
|
