基于经验模态分解西安市空气质量预报订正方法.pdfVIP

第38卷第6期 气象科技 V01．38，No．6 20lO年12月 METEOROI。0GICALSCIENCEANDTECHNOI。OGY Dec．20lO 基于经验模态分解的西安市 空气质量预报订正方法 毛明策1’2 王繁强2 王琦1 (1陕西省气象局气候中心，2陕西省气象科学研究所，西安710014) 摘要 为提高城市空气质量预报的准确率，研制了针对数值预报模式CAPPS2的订正方法，对2001--2007年西安 市逐日PMl0、SOz、NO。浓度均值和相应的降水、风速作经验模态分解(EMD)分析。用最大熵谱方法检验各本征模 态函数(IMF)周期，计算其方差贡献率，制定订正方法并进行数值试验。结果表明：PMIO浓度波动以周尺度为 主，有明显周末效应，与主要清除过程匹配较好；SOz、N0z浓度波动与主要清除过程不同步；基于周末效应的订正 规则对PMIO、SO：订正效果较理想。对Noz订正效果不确定。 关键词 空气质量预报经验模态分解 订正 本文采用西安污染物日均浓度监测值和相应的 引言 降水、风速数据，通过EMD分解，计算每个特征分 大气污染物浓度变化在时域中存在多层次时间 量的主要周期，结合每个特征分量的方差贡献，分析 尺度结构和局部化特征[1]，大气污染物浓度变化同 大气污染物与主要清除机制的匹配关系，试图制定 时也具有非线性特征f2]，同时大气污染物浓度与气 数值大气质量预报模式CAPPS2的订正规则，提高 象因子的关系也并不是线性的[3]，因此必须采用非 预报准确率。 线性非平稳的分析工具来研究大气污染物浓度的时 1数据和方法 间序列特征及其与气象冈子的匹配关系，才能够合 理订正大气质量数值模式预测的结果，进一步提高 1．1 西安空气质量数据 预测准确率。 西安空气质量数据为2001--2007年西安市环 境站监测资料，包括S0。、N0：和PMl0日平均浓 Huang，N．E．等[4。53于1998年提出了HHT Transform)方法，这种变换非常适度，气象要素选取日平均降水量、风速，选用包含污 (Hilbert—Huang 合具有非线性和非平稳特征的时间序列。HHT方 染监测点的西安站和长安站同期资料平均值，共连 Mode 法将信号作经验模态分解(EMD：Empirical续2477日资料。 Decomposition)，即逐级进行平稳化处理，把不同周1．2方法 期的波动从原信号中分离出来，最后得到的是趋势 采用Huang等于1998年提出的经验模态分解 分鼍，不同尺度的波动被定义成为本征模态函数 方法[4刮，从近年污染物浓度和气象要素序列中逐级 Mode (IMF：IntrinsicFunction)，分解得到的IMF分解出IMF分量，通过分析这些分量提示原序列内 分量是基于序列本身的局部特征时间尺度，本征模 在的多尺度振荡变化。分离筛选过程是把序列t中 态分量表征了原序列的不同时间尺度的振荡变化， 的极大值和极小值分别用样条函数连结起来，构成 而趋势分量则是单调函数或者均值函数，基本反映 上下包络线，它们的均值为m。。由原序列t与优· 了序列的趋势。目前，EMD方法已经成功应用于水·之差得到h。：经过k次筛选，使得h。的全部极大值 利、古气候和大气科学研究领域[6剖。 都为正，极小值都为负，且局部峰谷的波形关于横轴 陕西省气象局研究型业务基金科研项目(2010M-18)资助 作者简介；毛明策，男．1977年生，