热带气象学报

作者：汤静, 王春林, 谭浩波, 邓雪娇, 邓涛

单位：1.广州市气候与农业气象中心广东广州5114302.广东省生态气象中心广东广州5106403.中国气象局广州热带海洋气象研究所/广东省区域数值天气预报重点实验室，广东广州510640

关键词：PM_2.5, 空气质量模式, PCA-kNN

基金：国家重点研发计划项目课题2016YFC0203305；国家重点研发计划项目课题2016YFC0201901；广州市产学研协同创新重大专项201604020028；广东省气象局科技创新团队计划项目201704；广东省气象局科研项目GRMC2017Q16；广州市气象局科研项目201618；

为了提高广州市PM2.5客观预报能力，采用主成分分析结合机器学习算法k近邻（PCA-kNN）方法，基于空气质量模式（CMAQ）预报产品、中尺度天气模式（GRAPES-MESO）预报产品和2017年上半年广州PM2.5观测实况，试验确定PCA-kNN方法的最佳参数方案，建立广州市空气质量模式PM2.5预报客观订正方法。结果表明：与CMAQ模式的PM2.5预报相比，在第1~3天预报时效上，PCA-kNN订正结果与实况的相关系数分别提高20%、15%、29%，均方根误差分别降低17%、16%、20%，平均偏差更接近0，PM2.5浓度等级TS评分接近或优于CMAQ预报，PCA-kNN订正结果优于CMAQ预报。机器学习算法PCA-kNN方法可有效改进广州市空气质量模式PM2.5预报，本研究对其他地区、其他污染物客观预报研究具有借鉴意义。

来源：2019年第1期

《热带气象学报》期刊编辑部

查看热带气象学报杂志2019年第1期