CN111651875B - 一种基于误差传输的空气质量预报改进方法及系统 - Google Patents
一种基于误差传输的空气质量预报改进方法及系统 Download PDFInfo
- Publication number
- CN111651875B CN111651875B CN202010451390.XA CN202010451390A CN111651875B CN 111651875 B CN111651875 B CN 111651875B CN 202010451390 A CN202010451390 A CN 202010451390A CN 111651875 B CN111651875 B CN 111651875B
- Authority
- CN
- China
- Prior art keywords
- initial field
- error
- unassimilated
- forecast
- transmission
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000006872 improvement Effects 0.000 title abstract description 11
- 239000000126 substance Substances 0.000 claims description 25
- 238000009792 diffusion process Methods 0.000 claims description 13
- 238000004088 simulation Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 238000013277 forecasting method Methods 0.000 abstract description 12
- 238000010586 diagram Methods 0.000 description 17
- 230000000694 effects Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 9
- 238000006243 chemical reaction Methods 0.000 description 8
- 230000005570 vertical transmission Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 239000003344 environmental pollutant Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 231100000719 pollutant Toxicity 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000000443 aerosol Substances 0.000 description 2
- 239000003738 black carbon Substances 0.000 description 2
- 239000000356 contaminant Substances 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 238000004062 sedimentation Methods 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 229910002651 NO3 Inorganic materials 0.000 description 1
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 description 1
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 description 1
- 150000003863 ammonium salts Chemical class 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002309 gasification Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- General Business, Economics & Management (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Marketing (AREA)
- Pathology (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Combustion & Propulsion (AREA)
- Operations Research (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Entrepreneurship & Innovation (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Dispersion Chemistry (AREA)
- Quality & Reliability (AREA)
Abstract
本申请公开了一种基于误差传输的空气质量预报改进方法及系统,用于提高预报的准确度,降低更新预报所需要的计算资源,实现快速更新预报。本申请提供的空气质量预报方法包括:确定未同化初始场和同化初始场;根据所述未同化初始场确定基准预报;根据所述未同化初始场和所述同化初始场确定传输误差;根据所述基准预报和所述传输误差,确定预报结果。本申请还提供了一种空气质量预报系统。
Description
技术领域
本申请涉及空气质量预报领域,尤其涉及一种基于误差传输的空气质量预报方法及系统。
背景技术
大气化学传输模式通过数值方法求解大气化学传输方程,从而实现空气质量预报。常规的空气质量预报中,直接将同化初始场嵌入大气化学传输模式,通过模式的传输、排放、物理化学反应和沉降过程模拟污染物演化过程,预报未来的大气污染物浓度。常规的预报方案直接将同化初始场嵌入大气化学传输模式,使得初始场的不平衡随之传导至模式,产生虚假的化学反应和垂直传输。并且常规的空气质量预报需要使用大量的计算资源运行大气化学传输模式,空气质量业务预报只能一天更新1至2次预报结果,资源需求高,预报更新频率低。
发明内容
针对上述技术问题,本申请实施例提供了一种基于误差传输的空气质量预报改进方法及系统,用以用于提高预报的准确度,降低更新预报所需要的计算资源,实现快速更新。
一方面,本申请实施例提供的一种基于误差传输的空气质量预报改进方法,包括:
确定未同化初始场和同化初始场;
根据所述未同化初始场确定基准预报;
根据所述未同化初始场和所述同化初始场确定传输误差;
根据所述基准预报和所述传输误差,确定预报结果。
进一步的,所述未同化初始场是平衡的未同化初始场;
将观测的浓度数据与模拟数据融合得到所述同化初始场;
其中所述融合通过以下方法之一实现:
集合卡尔曼滤波EnKF、集合最优插值EnOI、最优插值OI、三维变分3D-Var或者四维变分4D-Var。
进一步的,所述确定传输误差包括:将所述同化初始场与所述未同化初始场的差异作为误差初始场,代入误差传输模型,确定所述传输误差。将所述同化初始场与所述未同化初始场的差异作为误差初始场,代入误差传输模型,确定所述传输误差。所述传输误差满足:
其中,是扩散,/>是平流,αe是衰减,e是传输误差,t是时间,K是扩散系数,v为风场,α是控制误差生命周期的衰减系数。
上述公式中,所述扩散通过大气化学传输模式中的相应模块获得;所述平流通过大气化学传输模式中的相应模块获得;所述α是生命周期的倒数。
进一步的,所述根据所述基准预报和所述传输误差确定预报结果,包括:
将所述基准预报减去所述传输误差,得到预报结果。
优选的,误差传输模型的起报时间与基准预报不同。
在本发明提供的空气质量预报方法中,观测数据的更新频率高于预报结果的更新频率。每隔时间T3小时进行一次同化观测数据,生成同化初始场;其中T3为所述预报结果的更新时间间隔。
相应的,本发明还提供了一种空气质量预报系统,包括:
基准预报子系统,用于确定未同化初始场和同化初始场,并用于根据所述未同化初始场确定基准预报;
传输误差子系统,用于根据所述未同化初始场和所述同化初始场确定传输误差;
综合计算子系统,用于根据所述基准预报和所述传输误差,确定预报结果。
本发明提供的空气质量预报方法和系统,使用误差传输模型单独计算同化初始场对预报的影响,从而避免将同化初始场的物种不平衡和空间不平衡引入大气化学传输模式,进而避免该不平衡抑制同化初始场对预报的效果,提高预报的准确度,降低更新预报所需要的计算资源,实现快速更新预报。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅是本申请的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为现有技术中空气质量预报流程示意图;
图2为本申请实施例提供的空气质量预报方法流程示意图一;
图3为本申请实施例提供的空气质量预报方法流程示意图二;
图4为本申请实施例提供的空气质量快速更新预报示意图;
图5为本申请实施例提供的一次空气质量预报中的PM2.5及其组分浓度对比示意图;
图6为本申请实施例提供的一次空气质量预报中的PM2.5预报均方根误差与预报时长序列图;
图7为本申请实施例提供的不同地区空气质量预报对比示意图;
图8为本申请实施例提供的空气质量预报系统结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部份实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
下面对文中出现的一些词语进行解释:
1、本发明实施例中术语“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
2、本申请实施例中术语“多个”是指两个或两个以上,其它量词与之类似。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,并不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
如图1所示为现有技术中空气质量预报方法示意图,包括以下步骤:
S101,确定同化初始场;
S102,同化初始场嵌入大气化学传输模式;
S103,通过模式的的传输、排放、物理化学反应和沉降过程模拟污染物演化过程,获得常规预报结果。
上述现有空气质量预报方法中,只有少量物种的地面观测数据可被同化,导致同化初始场存在两类不平衡:1、同化物种与未同化物种的污染物间不平衡。2、同化的地面浓度和未同化的高空浓度之间的空间不平衡。常规的预报方案直接将同化初始场嵌入大气化学传输模式,使得初始场的不平衡随之传导至模式。为抵消这两类不平衡,模式在预报过程中将产生虚假的化学反应和垂直传输。然而,回归平衡的过程将抵消同化初始场对预报的改进作用,使得同化初始场对PM2.5预报的改进主要局限于一天预报。此外,常规的空气质量预报需要使用大量的计算资源运行大气化学传输模式,受计算资源限制,现有的空气质量业务预报只能一天更新1至2次预报结果,对资源的需求高,预报结果更新频率低。
针对上述技术问题,本申请实施例提供了一种空气质量预报方法及系统,避免同化初始场的物种间不平衡所引起的虚假化学反应,避免同化初始场的空间不平衡所引起的虚假垂直传输,提高了预报的准确度,降低更新预报所需要的计算资源,实现更新间隔小于1小时的快速更新预报。
同化初始场是指使用资料同化方法,将观测与模拟结果融合,所得到的预报初始场。
同化初始场是指使用未使用资料同化方法的预报初始场,通常为以往的预报或模拟结果。
其中,方法和系统是基于同一申请构思的,由于方法和系统解决问题的原理相似,因此系统和方法的实施可以相互参见,重复之处不再赘述。
下面结合说明书附图对本申请各个实施例进行详细描述。需要说明的是,本申请实施例的展示顺序仅代表实施例的先后顺序,并不代表实施例所提供的技术方案的优劣。
实施例一
参见图2,为本申请实施例提供的一种空气质量预报方法示意图,如图所示,该流程包括:
S201,确定未同化初始场和同化初始场;
其中未同化的初始场可从以往的预报或模拟结果之中提取。此外,为避免提取到不平衡的初始场,可提取预报一段时间稳定后的预报结果作为未同化初始场,即所述未同化的初始场是未同化初始场启动T1小时后的预报结果。其中T1是大于等于1的正数。作为一种优选的示例,T1为24,即可选择未同化初始场启动后大于等于24小时的预报结果作为未同化初始场。经过上述的方法,未同化初始场是平衡的初始场,而不是不平衡的初始场。
同化初始场可通过使用集合卡尔曼滤波(EnKF)、最优插值(EnOI)、四维变分(4D-Var)等同化方法将观测的浓度数据与模拟数据融合得到。可选择同化初始场启动后大于等于48小时的预报结果作为大气化学传输模型预报的初始场。
S202,根据未同化初始场确定基准预报;
本实施例提供的空气质量预报方法中,需要确定基准预报,作为后续确定最终预报的输入条件。基准预报通过未同化初始场来确定。
S203,根据所述未同化初始场和所述同化初始场确定传输误差;
本实施例中,将同化初始场与未同化初始场的差异作为误差初始场场代入误差传输模型,从而计算传输误差。
S204,根据所述基准预报和所述传输误差,确定预报结果。
本实施例中,将所述基准预报减去所述传输误差,得到最终的预报结果。
通过上述实施例,使用未同化的平衡初始场作为大气化学传输模型的初始场,并计算传输误差对预报的影响。误差传输模型不涉及物种间相互作用和垂直传输,从而避免了常规预报方法的化学反应不平衡和垂直传输不平衡问题,进而显著增强、延长同化初始场对预报的效果。
实施例二
为了更清楚的描述本发明的方案,在实施例一的基础上,对方案进一步进行描述,参见图2,为本申请实施例提供的一种空气质量预报方法示意图,如图所示,该流程包括:
S301,确定未同化初始场;
确定未同化初始场的方法,与实施例一相同,此处不再赘述。
S302,将未同化初始场嵌入大气化学传输模式;
S303,确定基准预报;
未同化初始场经过大气化学传输模式后,获得基准预报。基准预报将作为后续计算最终预报结果的输入。
S304,确定同化初始场;
确定同化初始场的方法,与实施例一相同,此处不再赘述。
S305,根据所述未同化初始场和所述同化初始场确定初始场误差;
本实施例中,同化初始场与未同化初始场的差异即为初始场误差,这将作为传输误差计算的输入。
S306,将S305确定的初始场误差,代入误差传输模型;
S307,根据所述初始场误差和所述误差传输模型,获得传输误差。
本实施例中,传输误差通过误差传输模型进行求解。其中,传输误差e满足如下公式:
其中,是扩散,/>是平流,αe是衰减,e是传输误差,t是时间,K是扩散系数,v为风场,α是控制误差生命周期的衰减系数。
可选的,上述的扩散和平流使用大气化学传输模式中的相应模块进行求解获得。
衰减项中的衰减系数α用于控制预报误差的生命周期,其值为生命周期的倒数。即可使误差在经过一个生命周期后下降为初始误差的e-1。通过调整α可控制预报误差的衰减速度,即控制初始误差和/或同化初始场对预报的影响程度。优选的,误差的生命周期与预报污染物的生命周期相同。作为一种优选示例,对PM2.5预报,误差的生命周期为96小时。
S308,根据所述基准预报和所述传输误差,确定预报结果。
在本步骤中,将所述基准预报减去所述传输误差,得到预报结果。
本实施例提供的空气质量预报方法,使用未同化的平衡初始场作为大气化学传输模型的初始场,并计算传输误差对预报的影响。误差传输模型不涉及物种间相互作用和垂直传输,从而避免了常规预报方法的化学反应不平衡和垂直传输不平衡问题,进而显著增强、延长同化初始场对预报的效果。
与现有的大气化学传输模式相比,误差传输模型仅需模拟少量的待预报污染物的地面浓度误差,无需模拟复杂的化学反应,从而仅需少量的计算资源即可快速计算传输误差,从而快速更新预报结果。如图4申请实施例提供的空气质量快速更新预报示意图。由于现有空气质量预报需要运行耗费大量计算资源运行大气化学传输模型,只能一天更新一次。本发明在大气化学传输模型之外,使用误差传输模型独立计算同化初始场对预报的传输误差。
作为一种优选的示例,误差传输模型的起报时间可与基准预报不同,并且观测数据的更新频率快于预报更新频率。可选的,每隔时间T3小时进行一次同化观测数据,生成同化初始场,再使用误差传输模型隔T3小时预报一次传输误差,从而实现快速更新预报。需要说明的是,误差传输模型的起报时间与基准预报也可以相同。优选的,T3大于等于观测数据的更新间隔,作为一种优选示例,T3等于1小时。
应用本实施例提供的方法,能提高预报的准确性。图5为一次空气质量预报中的PM2.5及其组分浓度对比图。与再分析场相比,基准预报结果明显偏高。现有预报方法通过使用同化初始场可降低12小时内的预报误差,但同化初始场对预报的改进效果随时间迅速衰减。通过PM2.5的组分分析发现,同化初始场对化学活性较强的硫酸盐、硝酸盐、铵盐的改进局限在1小时内,表明化学不平衡可显著抑制同化初始场对预报的效果。同时,同化初始场对化学活性较弱有机气溶胶和黑碳的改进局限于一天预报,短于其生命周期,表明垂直不平衡也可抑制同化初始场对预报的效果。本发明使用误差传输模型避免化学不平衡和垂直传输不平衡,从而显著增强、延长了同化初始场对预报的效果。
图6为一次空气质量预报中的PM2.5预报均方根误差与预报时长序列图。该图为中国中东部2018年1月PM2.5的预报评估,对比了常规方法与本实施例方法的预报均方根误差与预报时长的序列图。从图中可以看出本实施例方法可将1至4天预报的均方根误差降低51.2,27.0,16.4和9.4μg m-3,是常规预报改进幅度的3.2,6.9,8.6和10.4倍。
图7为本申请实施例提供的不同地区空气质量预报对比示意图。本图为中国北京、中国安徽铜陵、中国广州东莞的站点预报结果。由图可见,本实施例方法对预报的改进幅度大于常规方法。在传输误差占比较大的时段(图7c),本方法甚至可改变预报浓度的变化趋势。
实施例三
基于同一个发明构思,本发明实施例还提供了一种空气质量预报系统,如图8所示,该系统包括:
基准预报子系统801,用于确定未同化初始场和同化初始场,并用于根据所述未同化初始场确定基准预报;
传输误差子系统802,用于根据所述未同化初始场和所述同化初始场确定传输误差;
综合计算子系统803,用于根据所述基准预报和所述传输误差,确定预报结果。
优选的,所述基准预报子系统801还用于:
将所述未同化的初始场嵌入大气化学传输模式,得到基准预报;
其中,所述未同化的初始场通过以往的预报获得,或者所述未同化的初始场通过模拟预报获得。
优选的,所述基准预报子系统801用于通过以下方法获取未同化初始场和同化初始场:
其中未同化的初始场可从以往的预报或模拟结果之中提取。此外,为避免提取到不平衡的初始场,可提取预报一段时间稳定后的预报结果作为未同化初始场,即所述未同化的初始场是未同化初始场启动T1小时后的预报结果。其中T1是大于等于1的正数。作为一种优选的示例,T1为24,即可选择未同化初始场启动后大于等于24小时的预报结果作为未同化初始场。经过上述的方法,未同化初始场是平衡的初始场,而不是不平衡的初始场。
同化初始场可通过使用集合卡尔曼滤波(EnKF)、最优插值(EnOI)、四维变分(4D-Var)等同化方法将观测的浓度数据与模拟数据融合得到。可选择同化初始场启动后大于等于48小时的预报结果作为大气化学传输模型预报的初始场。
作为一种优选示例,所述未同化初始场是平衡的未同化初始场;
进一步的,将观测的浓度数据与模拟数据融合得到所述同化初始场;
其中所述融合通过以下方法之一或者组合实现:
集合卡尔曼滤波EnKF、最优插值EnOI或者四维变分4D-Var。
优选的,所述传输误差子系统802还用于:
将所述同化初始场与所述未同化初始场的差异作为误差初始场,代入误差传输模型,确定所述传输误差;所述传输误差满足:
其中,是扩散,/>是平流,αe是衰减,e是传输误差,t是时间,K是扩散系数,v为风场,α是控制误差生命周期的衰减系数。
其中,所述扩散通过大气化学传输模式中的相应模块获得;所述平流通过大气化学传输模式中的相应模块获得;所述α是生命周期的倒数。
优选的,所述综合计算子系统803用于根据所述基准预报和所述传输误差,确定预报结果,具体包括:
将所述基准预报减去所述传输误差,得到预报结果。
需要说明的是,在本实施例提供的空气质量预报系统中,误差传输子系统的起报时间与基准预报子系统的起报时间不同;观测数据的更新频率高于预报结果的更新频率;每隔时间T3小时进行一次同化观测数据,生成同化初始场;其中T3为所述预报结果的更新时间间隔。需要说明的是,误差传输模型的起报时间与基准预报也可以相同。优选的,T3大于等于观测数据的更新间隔,作为一种优选示例,T3小于等于1小时。
需要说明的是,实施例三提供的系统与实施例一和实施例二提供的方法属于同一个发明构思,解决相同的技术问题,达到相同的技术效果,实施例三提供的系统能实现实施例一和实施例二的所有方法,相同之处不再赘述。
需要说明的是,本申请实施例中对单元的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (8)
1.一种基于误差传输的空气质量预报改进方法,其特征在于,包括:
确定未同化初始场和同化初始场;其中,提取预报一段时间稳定后的预报结果作为未同化初始场;通过使用同化方法将观测的浓度数据与模拟数据融合得到同化初始场;
根据所述未同化初始场确定基准预报,包括:将未同化初始场嵌入大气化学传输模式,得到基准预报;
根据所述未同化初始场和所述同化初始场确定传输误差;其中,所述确定传输误差包括:将所述同化初始场与所述未同化初始场的差异作为误差初始场,代入误差传输模型,确定所述传输误差;所述传输误差模型是基于扩散项、平流项和衰减项构建的;
根据所述基准预报和所述传输误差,确定预报结果;
其中,所述传输误差模型是基于扩散项、平流项和衰减项构建的,具体包括:所述传输误差满足如下公式:
其中,是扩散,/>是平流,αe是衰减,e是传输误差,t是时间,K是扩散系数,v为风场,α是控制误差生命周期的衰减系数。
2.根据权利要求1所述的方法,其特征在于:
所述未同化初始场是平衡的未同化初始场;
将观测的浓度数据与模拟数据融合得到所述同化初始场;
其中所述融合通过以下方法之一实现:
集合卡尔曼滤波EnKF、集合最优插值EnOI、最优插值OI、三维变分3D-Var或者四维变分4D-Var。
3.根据权利要求1所述的方法,其特征在于:
所述扩散通过大气化学传输模式中的相应模块获得;
所述平流通过大气化学传输模式中的相应模块获得。
4.根据权利要求1所述的方法,其特征在于:
所述α是生命周期的倒数。
5.根据权利要求1到4之一所述的方法,其特征在于,所述根据所述基准预报和所述传输误差确定预报结果,包括:
将所述基准预报减去所述传输误差,得到预报结果。
6.根据权利要求1所述的方法,其特征在于:
误差传输模型的起报时间与基准预报不同。
7.根据权利要求6所述的方法,其特征在于,包括:
每隔时间T3小时进行一次同化观测数据,生成同化初始场;
其中T3为所述预报结果的更新时间间隔。
8.一种空气质量预报系统,其特征在于,包括:
基准预报子系统,用于确定未同化初始场和同化初始场,并用于根据所述未同化初始场确定基准预报;所述根据所述未同化初始场确定基准预报包括:将未同化初始场嵌入大气化学传输模式,得到基准预报;其中,提取预报一段时间稳定后的预报结果作为未同化初始场;通过使用同化方法将观测的浓度数据与模拟数据融合得到同化初始场;
传输误差子系统,用于根据所述未同化初始场和所述同化初始场确定传输误差;其中,所述确定传输误差包括:将所述同化初始场与所述未同化初始场的差异作为误差初始场,代入误差传输模型,确定所述传输误差;所述传输误差模型是基于扩散项、平流项和衰减项构建的;
综合计算子系统,用于根据所述基准预报和所述传输误差,确定预报结果;
其中,所述传输误差模型是基于扩散项、平流项和衰减项构建的,具体包括:所述传输误差满足如下公式:
其中,是扩散,/>是平流,αe是衰减,e是传输误差,t是时间,K是扩散系数,v为风场,α是控制误差生命周期的衰减系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010451390.XA CN111651875B (zh) | 2020-05-25 | 2020-05-25 | 一种基于误差传输的空气质量预报改进方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010451390.XA CN111651875B (zh) | 2020-05-25 | 2020-05-25 | 一种基于误差传输的空气质量预报改进方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111651875A CN111651875A (zh) | 2020-09-11 |
CN111651875B true CN111651875B (zh) | 2023-08-04 |
Family
ID=72346829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010451390.XA Active CN111651875B (zh) | 2020-05-25 | 2020-05-25 | 一种基于误差传输的空气质量预报改进方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111651875B (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10976471B2 (en) * | 2017-03-07 | 2021-04-13 | International Business Machines Corporation | Post-processing air quality forecasts |
CN109709577A (zh) * | 2018-12-28 | 2019-05-03 | 南京雨后地软环境技术有限公司 | 一种基于WRF-Chem模式的气溶胶激光雷达反演PM2.5的三维变分同化方法 |
CN109884666B (zh) * | 2019-01-29 | 2022-11-08 | 东南大学 | 一种基于数据同化技术的对流层延迟改正方法 |
CN110516279B (zh) * | 2019-06-19 | 2023-01-10 | 中国地质大学深圳研究院 | 基于经验订正的风浪流耦合海洋环境数值预报方法 |
-
2020
- 2020-05-25 CN CN202010451390.XA patent/CN111651875B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111651875A (zh) | 2020-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xiong et al. | Robust scheduling for multi-objective flexible job-shop problems with random machine breakdowns | |
Kamthe et al. | A stochastic approach to estimating earliest start times of nodes for scheduling DAGs on heterogeneous distributed computing systems | |
CN114742460B (zh) | 一种确定待管控企业的方法、装置、电子设备及存储介质 | |
CN114493049A (zh) | 基于数字孪生的产线优化方法、装置、电子设备及介质 | |
Boranbayev et al. | Mathematical model for optimal designing of reliable information systems | |
CN111415027A (zh) | 构建件量预测模型的方法和装置 | |
CN110717600A (zh) | 样本池构建方法和装置、以及算法训练方法和装置 | |
CN105825286A (zh) | 一种武器装备全生命周期费用估算系统及方法 | |
CN109212999B (zh) | 数字卫星仿真工况的智能生成方法及系统 | |
CN111651875B (zh) | 一种基于误差传输的空气质量预报改进方法及系统 | |
Vaughan et al. | Enabling tractable exploration of the performance of adaptive mesh refinement | |
CN105243021A (zh) | 多任务测试性指标分配方法 | |
CN111986552B (zh) | 地图数据质量鲜度获取方法、装置及存储介质 | |
CN116362428A (zh) | 基于vmd-pcf-arima的短期负荷预测方法 | |
CN116151469A (zh) | 一种预报空气质量的模型 | |
CN115712978A (zh) | 基于数值模拟与人口数据的选址数据处理方法及系统 | |
CN114242181A (zh) | 沙漠砂混凝土强度预测模型训练方法、装置、设备及介质 | |
CN108062249A (zh) | 基于大数据的云端数据分配调度方法 | |
Rusin et al. | Improving equipment reliability and system maintenance and repair efficiency | |
Janse et al. | Enhancement of the performance of analytical laboratories by a digital simulation approach | |
Vestli et al. | Scheduling fighter squadron training missions using column generation | |
CN111400050A (zh) | 一种分配资源执行任务的方法及装置 | |
Kamthe et al. | Stochastic approach to scheduling multiple divisible tasks on a heterogeneous distributed computing system | |
Liu et al. | Development of a single-level optimization model for energy planning-A case study of Shanxi, China | |
US11386249B1 (en) | Systems and methods for distributed fracture simulation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |