[发明专利]基于天气分型和气象要素聚类的空气重污染案例判别方法

摘要

一种基于天气分型和气象要素聚类的空气重污染案例判别方法，包括：利用气象要素历史数据及监测的PM_2.5小时数据，从影响大气污染扩散的气象学角度，对影响PM_2.5浓度分布的主要天气系统、气象要素进行分型研究，同时结合后向轨迹模式，创新性建立了天气分型及污染物来源分析算法；同时在数值模式模拟预报WRF结果的基础上，与历史上相同季节污染天气的典型天气形势查找相似案例，为空气质量预报服务。本发明将天气分型法与数值计算模拟法相结合，既提高了预报结果的精确度，又可合理避免数值计算结果中出现的异常情况；建立了自动分型相似性预报方法，提高空气质量预报的业务化；可以分析重污染的成因及来源，极大提高了算法的适用性。

主权项

1.一种基于天气分型和气象要素聚类的空气重污染案例判别方法，其特征在于，包括以下步骤：步骤1：收集待预测区域的历年PM_2.5与气象要素的观测数据，将历年PM_2.5观测数据按时间序列一一排列，并与气象要素的观测数据对应，得到一组PM_2.5实测浓度变化的序列；步骤2：采用收集的待预测区域的历年气象要素的观测数据对上述待预测区域的气压场进行WRF模拟，对WRF模拟的所述待预测区域内长时间序列的地面气压场进行分析，得到不同的天气分型，进而将不同天气分型所对应的时间序列抽出；步骤3：将步骤2与步骤1中的时间序列对应的天气分型及PM_2.5实测浓度变化的序列进行统计分析，得到不同天气分型下PM_2.5浓度的分布特征；步骤4：将步骤2中得到的WRF模拟的不同天气分型对应的时间序列输入到hysplit模型中，进行48h后向轨迹聚类分析，得到待预测区域的PM_2.5浓度分布与不同天气分型对应的气团轨迹聚类，即得到了不同天气分型下PM_2.5的来源；基于步骤3和步骤4建立不同天气分型对应的PM_2.5浓度分布及来源的案例库；步骤5：采用WRF预报的气象数据，对所述待预测区域在未来预测时间时的天气状况进行WRF模拟，得到预测的天气分型，将所述天气分型与案例库进行相似性匹配，即得到所述待预测区域在未来预测时间时的PM_2.5浓度分布及来源。