阅读说明：本技术 一种基于大气活动的北京市春季大气pm2.5浓度变化预报方法 (Atmospheric activity-based forecasting method for PM2.5 concentration change of atmosphere in spring of Beijing city ) 是由 王叶 李书一 林嘉希 于 2019-11-22 设计创作，主要内容包括：一种基于大气活动的北京市春季大气PM2.5浓度变化预报方法。本发明涉及PM2.5预报方法领域。提出了一种逻辑清晰、步骤有序且准确度高,在使用过程中综合考虑了气旋以及反气旋对PM2.5浓度的影响的基于大气活动的北京市春季大气PM2.5浓度变化预报方法。按以下步骤进行预报：1)、样本采集；2)、气旋波数据处理；3)、反气旋波数据处理；4)、建立回归模型；5)、PM2.5浓度预报。本发明在使用过程中综合考虑了气旋以及反气旋对PM2.5浓度的影响,从大气环流角度预测未来北京市春季大气PM2.5浓度变化,有效的提高了北京市春季大气PM2.5浓度预报的精度和准确度。(An atmospheric activity-based forecasting method for atmospheric PM2.5 concentration change in spring of Beijing city. The invention relates to the field of PM2.5 forecasting methods. The forecasting method for the concentration change of the PM2.5 in spring of Beijing city based on atmospheric activity is clear in logic, orderly in steps and high in accuracy, and comprehensively considers the influence of cyclone and anti-cyclone on the PM2.5 concentration in the using process. Forecasting is carried out according to the following steps: 1) collecting a sample; 2) cyclone wave data processing; 3) processing the data of the anti-cyclone wave; 4) establishing a regression model; 5) and predicting PM2.5 concentration. The influence of the cyclone and the anti-cyclone on the PM2.5 concentration is comprehensively considered in the using process, the future change of the PM2.5 concentration of the atmosphere in spring of Beijing city is predicted from the angle of atmospheric circulation, and the accuracy and precision of the PM2.5 concentration prediction of the atmosphere in spring of Beijing city are effectively improved.)

一种基于大气活动的北京市春季大气PM2.5浓度变化预报 方法

技术领域

本发明涉及PM2.5预报方法领域，北京市春季大气PM2.5预报方法的改进。

背景技术

随着城市化和工业化进程的加快，近年来雾霾天气频发，首要污染物主要是直径小于等于2.5微米的悬浮尘埃颗粒物(PM2.5)，其质量浓度时常超过国家二级标准(75μg/m³)，给环境质量、人类身体健康以及交通安全带来严重危害，因此对PM2.5浓度变化的准确预报尤为重要。

对此，本申请人曾于2017年6月23日申请了一份名为“一种北京市冬季大气PM2.5浓度变化预测方法”、申请号为“201710484048.8”的中国发明专利申请，并于2017年8月16日申请了一份名为“一种大气PM2.5浓度变化的预测方法”、申请号为“201710700302.3”的中国发明专利申请，本申请人在两案中分别记载了利用气旋波以及反气旋波来预测PM2.5浓度变化的方法。然而，人们在实际使用时发现，只单一的考虑了气旋或者是反气旋对PM2.5的影响，仍具有一定错误率，在预报的准确度上还具有着一定的缺陷。

发明内容

本发明针对以上问题，提出了一种逻辑清晰、步骤有序且准确度高，在使用过程中综合考虑了气旋以及反气旋对PM2.5浓度的影响的基于大气活动的北京市春季大气PM2.5浓度变化预报方法。

本发明的技术方案为：按以下步骤进行预报：

1)、样本采集：

1.1)、采集北京市春季大气PM2.5浓度逐年的观测数据，北京市的地理坐标为东经116.23度、北纬39.54度；

1.2)、采集并计算北京市附近区域中每一个格点与步骤1.1)对应时刻的大气的气旋波值以及反气旋波值，北京市附近区域的范围为东经70-150度、北纬20-60度；

2)、气旋波数据处理：找出气旋波中心值所在点；

3)、反气旋波数据处理：找出反气旋波中心值所在点；

4)、建立回归模型：

4.1)、统计气旋波中心值所在点与步骤1.1)对应时刻的所有大气的气旋波值；

4.2)、统计反气旋波中心值所在点与步骤1.1)对应时刻的所有大气的反气旋波值；

4.3)、以步骤4.1)、4.2)中的值作为自变量，步骤1.1)中的值作为因变量，建立多元线性回归模型；

5)、PM2.5浓度预报：

5.1)、设定需要进行预报的时刻；

5.2)、采集并计算步骤5.1)时刻的气旋波中心值所在点的气旋波值；

5.3)、采集并计算步骤5.1)时刻的反气旋波中心值所在点的反气旋波值；

5.4)、将步骤5.2)、5.3)的值输入回归模型中，得出北京市PM2.5浓度的预报值。

步骤2)具体为：

2.1)、在步骤1.1)采集的值中提取出PM2.5浓度大于90％时的所有时刻；

2.2)、根据步骤2.1)，在步骤1.2)采集的值中提取出北京市附近区域中每一个格点在北京市PM2.5浓度大于90％时的气旋波值；

2.3)、逐个计算步骤2.2)中每一个格点的气旋波的平均值；

2.4)、找出步骤2.3)中所有格点的平均值最大的点，记为气旋波中心值所在点。

步骤3)具体为：

3.1)、在步骤1.1)采集的值中提取出PM2.5浓度大于90％时的所有时刻；

3.2)、根据步骤3.1)，在步骤1.2)采集的值中提取出北京市附近区域中每一个格点在北京市PM2.5浓度大于90％时的反气旋波值；

3.3)、逐个计算步骤3.2)中每一个格点的气旋波的平均值；

3.4)、找出步骤3.3)中所有格点的平均值最大的点，记为反气旋波中心值所在点。

经度λ₀，纬度Φ_e处的局地的反气旋波定义为：

A_N≥0,代表向北的反气旋波；

气旋波定义为：

在北半球，A_s≤0,代表气旋波，a为地球半径。

本发明在使用过程中综合考虑了气旋以及反气旋对PM2.5浓度的影响，从大气环流角度预测未来北京市春季大气PM2.5浓度变化，有效的提高了北京市春季大气PM2.5浓度预报的精度和准确度。

具体实施方式

本发明按以下步骤进行预报：

1)、样本采集：

1.1)、采集北京市春季大气PM2.5浓度逐年的观测数据(P1，P2，P3……Pn)，北京市的地理坐标为东经116.23度、北纬39.54度；

1.2)、采集并计算北京市附近区域中每一个格点与步骤1.1)对应时刻的大气的气旋波值以及反气旋波值，北京市附近区域的范围为东经70-150度、北纬20-60度；假设该区域中有X个格点，那么第X个格点的气旋波值可记为WX1，WX2，WX3……WXn，而反气旋波值可记为AX1，AX2，AX3……AXn；

经度λ₀，纬度Φ_e处的局地的反气旋波定义为：

A_N≥0,代表向北的反气旋波；

气旋波定义为：

在北半球，A_s≤0,代表气旋波，a为地球半径；

2)、气旋波数据处理：

2.1)、在步骤1.1)采集的值中提取出PM2.5浓度大于90％时的所有时刻；

2.2)、根据步骤2.1)，在步骤1.2)采集的值中提取出北京市附近区域中每一个格点在北京市PM2.5浓度大于90％时的气旋波值；

2.3)、逐个计算步骤2.2)中每一个格点的气旋波的平均值；

2.4)、找出步骤2.3)中所有格点的平均值最大的点，记为气旋波中心值所在点；

3)、反气旋波数据处理：

3.1)、在步骤1.1)采集的值中提取出PM2.5浓度大于90％时的所有时刻；

3.2)、根据步骤3.1)，在步骤1.2)采集的值中提取出北京市附近区域中每一个格点在北京市PM2.5浓度大于90％时的反气旋波值；

3.3)、逐个计算步骤3.2)中每一个格点的气旋波的平均值；

3.4)、找出步骤3.3)中所有格点的平均值最大的点，记为反气旋波中心值所在点；

4)、建立回归模型：

4.1)、统计气旋波中心值所在点与步骤1.1)对应时刻的所有大气的气旋波值；假设第56个点为气旋波中心值所在点，则统计出W561，W562，W563……W56n；

4.2)、统计反气旋波中心值所在点与步骤1.1)对应时刻的所有大气的反气旋波值；假设第98个点为反气旋波中心值所在点，则统计出A981，A982，A983……A98n；

4.3)、以步骤4.1)、4.2)中的值作为自变量，步骤1.1)中的值作为因变量，建立多元线性回归模型；

5)、PM2.5浓度预报：

5.1)、设定需要进行预报的时刻；

5.2)、采集并计算步骤5.1)时刻的气旋波中心值所在点的气旋波值；

5.3)、采集并计算步骤5.1)时刻的反气旋波中心值所在点的反气旋波值；

5.4)、将步骤5.2)、5.3)的值输入回归模型中，得出北京市PM2.5浓度的预报值。