融机器学习与 WRF 大气模式的 PM2. 5 预报方法

针对当前我国重污染天气实时的空气质量预报问题, 该文提出了一种融合随机森林算法与 WRF 大气模式的 PM2. 5 浓度实时预报方法. 该方法结合了北京市地面空气质量监测数据和 WRF 气象数据进行分析, 将高层大气状态 (如逆温层高度等) 融入了预报模型中, 建立了 0~ 72h 的 PM2. 5 浓度实时预报模型. 实验证明, 该模型能够对 0~ 72h 单站点的 PM2. 5 浓度进行较高精度的实时预报, 且在 24~ 72h 的长时预报结果上较基于地面空气污染物数据与地表气象站数据的预报方法精度有明显提升, 即该方法可以更好地模拟大气物理化学状态, 从而更为精准地进行长时 PM2. 5 浓度预报.