基于大數據分析與認知技術的空氣質量預報預警平臺

李云婷，嚴京海，孫峰，張大偉*，夏曦，芮曉光，白鑫鑫，尹文君

（1.北京市環境保護監測中心，大氣顆粒物監測技術北京市重點實驗室，北京 100048；2. IBM中國研究院，北京 100193）

基于大數據分析與認知技術的空氣質量預報預警平臺

李云婷1，嚴京海1，孫峰1，張大偉1*，夏曦2，芮曉光2，白鑫鑫2，尹文君2

（1.北京市環境保護監測中心，大氣顆粒物監測技術北京市重點實驗室，北京 100048；2. IBM中國研究院，北京 100193）

為深入認識區域大氣污染現象規律，完善并提高城市空氣質量預報預警能力，提高大氣污染治理決策支持能力，開展城市污染成因分析與空氣質量預報預警研究是十分必要的。本文針對環境大數據時代下的城市空氣質量預報，提出了一種基于大數據分析與認知技術的專業先進的大氣環境業務應用系統體系。該體系基于底層統一的數據資源中心，融合各類不同類型的空氣質量監測、不同預報系統的產品數據以及基礎輔助數據，建立數據匯交、共享、質控管理機制，通過上層預報預警、綜合分析、案例分析、應急決策支持四大子系統，從多模式集合預報結合專家調優支撐高性能預報會商應用，從大數據融合時空關聯分析深度挖掘大氣復合污染特征與污染成因，從多維度歷史污染過程和天氣形勢全自動化認知分析支撐重污染過程研判，從業務化仿真情景方案與污染溯源助力專業應急決策。最后，通過在北京市環境保護監測中心的系統實現證明體系的高性能、穩定性和實用性。

空氣質量預報預警；大數據分析；認知技術；案例分析；污染成因分析；決策支持

引言

近年來，隨著大氣污染問題的日益嚴峻，各種污染物的相互耦合疊加，大氣污染現象出現了壓縮性、區域性和復合型，為應對當前大氣污染形勢，國家陸續出臺了一系列的政策法規。2013年9月，國務院發布《大氣污染防治行動計劃》，明確了空氣質量評價主要污染物的短期改善目標。2015年8月，中華人民共和國第十二屆全國人民代表大會修訂通過了《中華人民共和國大氣污染防治法》，該法自2016年1月1日起施行。顯然，大氣污染防治已經成為國家發展戰略中的一個重大課題。

在國務院部署的大氣污染防治十條措施①2013年6月14日，國務院總理李克強主持召開國務院常務會議，部署大氣污染防治十條措施。中，除從根源上減少大氣污染物的排放等措施，政府也強調對重污染天氣的應急處理。根據《國務院關于印發大氣污染防治行動計劃的通知》（國發〔2013〕37號）要求，京津冀、長三角、珠三角區域于2014年年底前完成區域、省、市級重污染天氣監測預警系統建設，其他?。▍^、市）、副省級市、省會城市于2015年年底完成。

近年來，環境空氣預報預警系統發揮了重要作用，通過預測空氣污染的發生和變化趨勢，使政府部門及時啟動大氣污染應急減排措施，以最低經濟成本實現最大的社會效益。在北京、上海、廣州等城市實現了環境空氣質量預報預警的業務化運行，為北京奧運會、上海世博會、廣州亞運會等重大活動提供了有力保障[1]。盡管環境空氣預報預警系統取得了較大的進步，但仍存在不足。環境空氣質量預報預警是一項復雜的系統工程，復合型大氣污染成因來源復雜，影響因素眾多，涉及的數據種類繁多，如何深入分析污染規律、總結污染成因和污染來源、如何提高預報準確性、如何對重污染天更好地提供應急決策是當今大氣污染防治領域研究的熱點與難題。

基于大數據認知技術的大氣環境業務應用系統體系能較好地克服已有預報預警系統的不足，原因如下：①近年來，隨著國家對環境監測的重視和投入的增大，長期積累了大量空氣污染物實時監測數據，包括空氣質量數據、污染源數據、污染物化學組分數據、氣象數據以及各種非常規儀器觀測數據，且各自均具有復雜的體系，匯總而成海量的大氣環境信息，利用大數據分析技術對這些第一手數據資料的快速處理，深入挖掘，充分分析利用，是認識北京及區域大氣污染現象和規律最基礎，也是最重要的手段。②認知技術能深度挖掘影響污染物濃度的各因子之間內在的數據關系，建立起較為準確的空氣污染物濃度與影響因子之間復雜機理模型的代理模型。深度挖掘提取高級的、語義的空氣質量變化的模式和規律，有機融合多種模型及專家知識，實現有效的空氣質量分析。③信息化技術是復雜信息和業務組織最有效的手段，對于減少繁瑣的數據整理環節，豐富數據分析手段，實現數據的生動直觀展示，優化業務體系及流程，提高工作效率，均具有不可替代的作用。同時，大氣環境科學作為多學科交叉的特點，造成多個專業領域知識系統、標準規范、技術方法、模擬模型的復雜融合，更需要充分利用數據倉庫、地理信息、數據挖掘、移動應用等信息化技術，建立系統、完善、有機的空氣質量預報預警業務及其他相關的業務應用系統體系，作為各項業務高效、有序開展的工作平臺。④PM2.5是目前以及未來中長期我國面臨的最突出、最急迫的大氣污染問題，但同時也是新生事物，環保部于2012年3月2日頒布新的《環境空氣質量標準（GB 3095—2012）》（簡稱AQI標準），將開展PM2.5、O3等污染物納入評價標準，按照新標準，2012年重點城市及京津冀等重點區域于2012年下半年開始了大規模的空氣質量監測網絡的建設?？傮w而言，PM2.5的業務監測網絡數據積累、預報預警業務，以及城市及區域大氣污染狀況嚴重，重污染日發生頻率高，是目前大氣污染中突出的問題。基于多維認知技術針對一次次典型污染案例，進行多尺度歷史污染過程和天氣形勢全自動化認知分析，為重污染形勢研判和應對提供信息服務和技術支撐。⑤國內空氣質量模型起步較晚，對模型的適用環境把握還不是很準確，多模式預報結合專家經驗調整，可以不斷完善并提高空氣質量的預報預警技術及業務體系，提升科學預霾防霾水平，支撐空氣重污染應急工作開展，支持完成重大活動空氣質量保障任務，提高大氣污染治理決策支持能力。

基于上述原因，本研究基于環境大數據提出一種基于大數據分析與認知技術的大氣環境業務應用系統體系。

1 研究進展

環境空氣質量數值預報預警系統是基于數值預報模式開發的，用于評估和預測局地與區域環境空氣質量狀況、污染影響空間范圍，對潛在的重污染事件進行預警，為管理部門及時采取科學防范控制措施、減少空氣污染對人體健康和人們生產生活的影響提供科學與技術支持的平臺系統[1]。

目前，現代化的城市空氣質量預報預警系統，多基于各類污染預報方法和技術，如潛勢預報、數值預報和統計預報[2]等，根據過去空氣污染物排放情況以及次日的氣象條件、大氣擴散狀況、地理地貌等因素，來預測次日或未來幾日該地區的空氣污染程度，發布預報預警產品。

數值預報是一種以空氣動力學理論為基礎，基于物理化學過程的確定性預報方法，利用數學方法建立大氣污染濃度在空氣中的稀釋擴散的數值模型，通過計算機高速計算來預報大氣污染物濃度在空氣中的動態變化[2]。國外空氣污染預報工作起步較早，目前國內外已經開發出多種數值預報的空氣質量模型，如美國環保署（EPA）的CMAQ模式[3,4]、美國Environ公司的CAMx模式[5]、城市大氣質量模型（urban airshed model, UAM)[6]、中國科學院大氣物理所自主開發的NAQPMS模式[7]等。世界各地研究機構也逐步開展了多模式集成系統方面的研究，如法國大氣環境教育和研究中心開發Polyphemus模式系統，側重于模式內不同模塊、物理化學參數選取的集合集成[8]。當前環境空氣質量預報預警系統大多通過采集氣象數據、實時污染觀測、污染源清單、衛星遙感等數據資料，基于單模式數值預報模型或者集成多模式數值預報模型對未來污染情況進行數值預報，并根據業務需求將預報結果加工制作成預報產品，通過網絡平臺對外發布[1,9,10]。

但是，以上預報預警系統不論分析手段還是所面向的業務應用都比較單一，只考慮污染預報預警技術必須的數據來源采集、處理和最終的預報產品發布，不足以全面剖析污染成因、挖掘污染規律，進一步提升污染預報準確性和為重污染天提供有效應急決策支持。一方面沒有綜合考慮專家經驗的會商結果，也沒有集成基于GIS的區域污染監控信息以及天氣形勢圖的參考，同時忽略了對污染基本規律的分析手段，沒有將歷史的重污染或者典型污染過程的分析過程完整保留下來，進行深度比照；另一方面，從業務應用上，沒有對污染成因、污染來源和污染規律進行深度分析與總結，沒有挖掘歷史規律，提取行業知識。

在這方面，IBM公司提出的認知計算是值得借鑒的一條思路。IBM公司針對空氣污染防治提出了“綠色地平線”計劃，在該計劃中，系統通過認知計算整合優化各類物理、化學、氣象、交通、社交等模型，再通過海量數據進行交叉印證，使模型、數據和專家經驗以自動訓練、自我學習的方式不斷積累，從而實現精準的預報預警、溯源減排等業務的決策支持功能[11,12]。

2 基于大數據認知技術的空氣質量預報預警平臺方案

2.1 系統架構

基于大數據認知技術的空氣質量預報預警平臺是一種專業先進的大氣環境業務應用系統體系，其系統架構分為展示層、系統業務層，支撐層、數據層和設備接口層，如圖1所示。各層模塊的信息存在聯系，但彼此之間功能獨立。

圖1 基于大數據認知技術的空氣質量預報預警平臺系統架構

①設備接口層是支撐所有數據以及應用的硬件平臺。通過數據接口，與其他系統的原始數據源靈活對接，將設備數據匯入數據層。

②數據層即空氣質量信息資源中心，完成對北京空氣質量資源信息的管理、存儲，形成可用的信息資源庫，通過提供各類信息服務，實現信息資源的開發利用，達到規范信息表示、實現信息共享、改進工作模式、降低業務成本和提高工作效率的目的。

③支撐層為上層應用提供大數據分析和認知技術支撐，包括空氣質量大數據分析平臺和模型庫管理?？諝赓|量大數據分析平臺包括空氣質量指標體系、大數據分析算法、可視化展示等，通過數據邏輯關系模型，實現多維數據的提取、存儲和管理，支持數據可視化和數據統計分析。模型庫管理包括對統計模型庫、數值模型庫、專家知識庫等模型庫的管理。

④系統業務層包括基于大氣環境綜合分析及應用系統、空氣質量預報預警業務應用系統、案例分析系統、空氣重污染應急決策支持系統四大應用系統。

⑤展示層為環保領域分析預報專家、管理人員、社會公眾通過業務系統、對外門戶網站、手機應用等不同渠道提供全面的空氣質量信息發布與展示。

2.2 應用架構

基于大數據認知技術的空氣質量預報預警平臺是基于數據資源中心提供統一的大數據共享平臺，支撐基于大數據融合的綜合分析系統、多模型融合空氣質量預報預警系統、基于多維認知技術的案例分析系統、區域應急決策支持系統等四大應用。

2.2.1 數據資源中心

大氣環境分析業務數據和信息分散在不同部門，為改變傳統的根據系統進行條塊分割造成的對數據利用的限制，建立數據資源中心這樣一個大數據共享平臺，并建立數據匯交、共享、質控管理機制，提供數據維護管理、數據服務、數據共享功能，從而提升環境信息數據的整合和綜合利用能力，為決策者提供360度視圖。數據資源中心包括統一的信息資源庫和規范的數據運維機制。

（1）統一的信息資源庫

空氣重污染預報預警平臺的數據主要來源于相關部門的各類不同類型的空氣質量監測、不同預報系統的產品數據以及基礎輔助數據，包括常規空氣質量自動監測網絡的監測數據、手工采樣以及通過研究性監測儀器獲得的污染物監測數據、各預報方法的輸入與輸出數據、污染源排放數據以及基礎的地理信息數據等數據。

空氣質量數據資源庫包含觀測數據（包括大氣環境自動監測數據庫、綜合觀測數據庫）、業務產品數據（包括空氣質量業務數據、預報業務產品數據）、輔助數據（包括基礎地理數據庫、環境背景數據庫、社會經濟統計數據庫）、目錄和元數據（包括元數據庫、目錄數據庫）、運行支撐管理數據（包括用戶信息數據庫、權限數據庫、系統日志數據庫）。

通過統一的信息資源庫實現數據維護、數據服務和數據存儲管理功能，定義明確的數據管理、數據服務接口。當業務的發展需要建設新的應用系統時，可以充分享用已有的數據資源，最大程度地滿足數據共享的需求和數據模型的可擴展性；基于多設備的“存儲池”管理方式，規避不同硬件架構帶來的異構性，實現自動化分級存儲管理。

（2）規范的數據運維機制

規范的數據運維機制包括嚴格數據的質量審核、原數據的留存、數據歸檔回調等，支持數據的靈活擴展，以及數據生命周期管理，對數據進行全方位的保護，實現分布式備份和災難恢復。

2.2.2 多模型融合預報預警子系統

本系統是四大業務應用系統之一，基于數據資源中心提供的數據共享服務，融合各類數據，在GIS平臺實現多類氣象、空氣質量數據單獨、聯合分析，多模式多批次數值預報結果與統計預報結果的發布和評估，以及根據專家意見基于所選模型的預報結果的調優功能，支持高質高效的環境空氣質量預報預警會商業務的開展和應用，使分析預報人員可便捷、迅速地獲取各類環境信息及專業模型結果，并集中精力展開對數據信息的全面、綜合深入的分析。

本系統GIS平臺展示融合全國近1500個站點的實時污染監測數據與氣象數據，提供以直觀、動態的形式實時顯示包括觀測的各種污染物柵格、地面等溫/濕/壓線、風速風向、空氣質量站點/氣象站點值單獨或聯合展示，為分析預報員提供區域性空氣質量監測時空分析。

多模型融合預報預警環境空氣質量預報預警系統融合統計預報與數值預報。統計預報模式主要依賴于對歷史環境空氣質量、氣象數據的統計分析處理，從而外推得到對未來空氣質量的預報結果。多模式數值分析預報是以大氣動力學理論為基礎，基于對大氣物理和化學過程的理解，建立大氣污染物在空氣中的輸送擴散模型，預報大氣污染物濃度在空氣中的動態分布和變化趨勢。本系統針對中國的NAQPMS、美國的Model-3/CMAQ、CAMx和WRF-Chem四個空氣質量模式，采用統一的模式區域設置，模式區域設定為三重嵌套網格，外層網格為內層網格提供邊界條件，并由中尺度氣象模式WRF為各空氣質量模型提供相同的氣象背景場，提供多模式集合預報結果。專家調優方法根據專家意見基于所選模型的預報結果進行調整優化。全面支撐高性能多模型融合預報預警會商業務。

2.2.3 基于大數據融合的綜合分析子系統

本系統也是四大業務應用系統之一，是一個融合各類觀測數據進行統一聯合分析的大平臺。本系統的主要特點是涉及的數據種類多、格式多樣且可能會動態變化、數據量大，是一個典型的大數據管理和分析的問題。

本系統包括綜合展示、通用分析、專題分析、專家知識庫等核心應用模塊。支持常規污染物與氣象、綜合觀測儀器等數據的大數據融合分析，可以靈活地實現對多站點、多監測項實現時空聯合統計分析、專家知識挖掘等，輔助業務人員的日常工作，發掘數據價值，充分分析污染水平和趨勢，了解污染物變化規律，對各類大氣環境信息進行綜合深入的分析，對于空氣質量的影響因素、變化特征有深刻理解。對特定業務問題，支持空氣質量專題分析，深度分析污染特征和污染成因。

空氣質量監測、污染源監測、綜合觀測、數據分析與評價等不同的業務組成完整的體系，不同的業務既具有平行關系，也具有互相支撐的關系，通過綜合分析及應用系統的建設，實現了監測網絡質保質控、環境空氣質量評價業務、污染源管理及應用等基礎業務的支撐，以及各類大氣環境信息的綜合分析。

2.2.4 基于多維認知技術的案例分析子系統

本系統從多個尺度挖掘了大氣復合污染成因及傳輸規律，可以實現多維度歷史污染過程和天氣形勢全自動化認知分析，助力專業決策。

通過同化融合海量歷史數據（如空氣質量、氣象、遙感監測等），從污染傳輸、氣象條件、遙感反演等多個維度實現對PM2.5、臭氧等多種污染物的歷史同期污染過程深度對照，同時對重點城市和區域的污染發生頻率、污染水平與特征、發生氣象條件、污染類型進行系統性診斷，以及對未來過程與歷史污染過程進行全方位自適應匹配，為全國空氣質量保障和專家決策提供專業洞察和科學支持?？梢匝杆贋槲磥?5天匹配到歷史上最相似的天氣及其污染變化趨勢，利用國際氣候數據分析的沉淀，最終形成空氣預警和污染防治的決策建議，助力區域性聯防聯控的有效開展。

2.2.5 應急決策支持子系統

本系統針對不同的污染控制情景，建立情景方案清單，向空氣質量數值模擬系統每天業務化提交區域基于應急預案的網格化源清單，并接收和處理模式運行結果，總結評估控制措施達到的效果。

系統通過精準預報了解未來3天的污染嚴重程度，從可靠溯源了解未來重污染各區域、各行業的貢獻率，支持在GIS上展示目標城市污染來源的時空分布、傳輸路徑、時間變化及各區域各行業的貢獻率。同時，支持統計分析大區域范圍內兩兩城市之間污染相互貢獻及貢獻率，充分分析污染來源本地排放與傳輸占比，助力溯源減排等應急決策業務。

2.3 體系架構

為保證系統的先進性，通過對各種主流的體系結構進行分析和對比，系統最終采用瀏覽器/服務器（B/S）的應用模式和全面的JAVA解決方案。這種體系擁有平臺無關性、運算速度快、可升級性好、強大生命力等許多優點。

全面應用JAVA技術，不僅可以使系統具有很好的可移植性、可升級性等特點，同時避免了使用一些可能會降低系統性能或系統安全的其他技術，如ActiveX插件等。這樣就可以防止技術環境變得過于復雜，保證了系統的易維護性。

圖2 北京市空氣質量預報預警及決策支持平臺界面

3 系統實現

隨著大氣污染問題成為全社會關注的焦點，作為首都，北京大氣環境尤其受到國內國際的高度關注，做好空氣質量的預報預警、空氣重污染應急、污染控制方案的制定及效果評估等工作，需要開展一系列的科學研究及能力建設項目，為北京及區域的大氣污染治理提供科學有效的決策依據，更快地促進北京及周邊地區大氣環境的改善。

目前，由北京市環境保護監測中心和IBM研究院共同研發的系統平臺已部署在北京市環境保護監測中心（如圖2所示為平臺界面圖）。平臺運行的結果表明，北京市空氣質量預報預警及決策支持平臺達到了研發的預期目標。該平臺的技術特點與優勢如下：

①有機融合空氣質量監測數據、綜合觀測數據、污染源數據等各類環境信息，快速匯總成海量的第一手大氣環境的數據資料，整合統一的大氣環境數據庫，建立統一的數據連接和共享規范，構架大氣環境大數據共享平臺，提高數據利用水平，提升業務效率，有效支持科研。

②結合高性能計算、認知計算等先進技術，基于多模型組合空氣質量數值預報，輔助人工會商，構建高精度空氣質量預報預警業務應用體系及重污染應急方案決策支持能力，提高重污染日預報的準確性和可靠性，完善并提高北京市空氣質量預報預警能力，為重污染應急的實施提供技術保障。

③基于GIS平臺開展大氣環境觀測信息與預測信息的空間分析，支持氣象、空氣質量數據的靈活聯合展示，提升對實時污染的監控能力，并生動、直觀地展示區域污染與氣象關聯的時空演變。

④基于大數據深度學習技術，融合多種來源數據，包括空氣質量數據、污染源數據、污染物化學組分數據、氣象數據、以及各種非常規儀器觀測數據，綜合分析、深度挖掘北京及區域大氣污染現象規律，支持環境數據知識庫自動挖掘、與專家知識集成、不斷豐富，為北京及區域的大氣污染治理提供科學有效的決策依據。

⑤基于認知技術，實現多維度歷史污染過程和天氣形勢全自動化認知分析。自動識別空氣質量重污染和重大事件案例及其關鍵特性，在重污染過去之后，能夠對重污染過程自動進行傳輸路徑、污染成因、氣象條件等多維度系統歸納，并對未來過程與歷史污染過程進行全方位自適應匹配，助力區域性聯防聯控的有效開展。

⑥基于云服務模式，多渠道發布空氣質量及預報預警信息，提高環境信息服務能力及公眾環保參與意識。

4 結論

本文針對環境大數據，探討了大數據認知技術在環保領域的應用，提出了一種基于大數據分析與認知技術的空氣質量預報預警平臺。底層的數據資源中心融合源于相關部門的各類不同類型的空氣質量監測、不同預報系統的產品數據以及基礎輔助數據，建立數據匯交、共享、質控管理機制，統一平臺數據管理與上層應用的數據共享。

系統實現表明，基于大數據認知技術的空氣質量預報預警平臺，可以高質高效開展污染預測預警大數據分析與應用，支撐污染成因分析、霧霾提前發布、應急預案制定，為污染形勢研判和應對提供信息服務和技術支撐，提升科學預霾防霾水平。

[1] 解淑艷, 劉冰, 李健軍. 全國環境空氣質量數值預報預警系統建立探析[J]. 環境監控與預警, 2013, 5(4): 1-3, 21-21.

[2] 任萬輝, 蘇樅樅, 趙宏德. 城市環境空氣污染預報研究進展[J]. 環境保護科學, 2010, 36(3): 9-11.

[3] BYUN D W, CHING J K S. Science algorithms of the EPA models-3 community multi-scale air quality (CMAQ) modeling system[R]. EPA/600/R-99/030. Research Triangle Park, NC: Office of Research and Development, US Environmental Protection Agency, 1999.

[4] DENNIS R L, BYUN D W, NOVAK J H, et al. The next generation of integrated air quality modeling: EPA's Models-3[J]. Atmospheric environment, 1996, 30(12): 1925-1938.

[5] ENVIRON International Corporation. User's guide comprehensive air quality model with extensions (CAMx), Version 3.00[R]. Novate, California: ENVIRON International Corporation, 2000.

[6] SCHEFFE R D, MORRIS R E. A review of the development and application of the urban airshed model[J]. Atmospheric environment, 1993, 27(1): 23-39.

[7] 王自發, 謝付瑩, 王喜全, 等. 嵌套網格空氣質量預報模式系統的發展與應用[J]. 大氣科學, 2006, 30(5): 778-790.

[8] MALLET V, QUéLO D, SPORTISSE B, et al. Technical note: the air quality modeling system polyphemus[J]. Atmospheric chemistry and physics, 2007, 7(20): 5479-5487.

[9] 雷孝恩, 韓志偉, 張美根, 等. 城市空氣污染數值預報模式系統[M]. 北京: 氣象出版社, 1998: 1-15.

[10] 劉娟. 長三角區域環境空氣質量預測預警體系建設的思考[J]. 中國環境監測, 2012, 28(4): 135-140.

[11] 詹志明, 尹文君. 環保大數據及其在環境污染防治管理創新中的應用[J]. 環境保護, 2016, 44(6): 44-48.

[12] IBM綠色地平線主頁[EB/OL]. http://www.research.ibm. com/labs/china/greenhorizon.html.

Air Quality Forecasting Platform Based on Big Data Analytics & Cognitive Technology

LI Yunting1, YAN Jinghai1, SUN Feng1, ZHANG Dawei1*, XIA Xi2, RUI Xiaoguang2, BAI Xinxin2, YIN Wenjun2
(1. Beijing Key Lab of Atmospheric Particle Matter Monitoring, Beijing Municipal Environmental Monitoring Center, Beijing 100048; 2. IBM Research - China, Beijing 100193)

It is necessary to carry out research on urban and regional air pollution causes and air quality forecasting & early warning, in order to better understand the regional air pollution disciplinarian, improve the urban air quality forecasting and early warning ability, and advance the air pollution control decision support capabilities. In this paper, aimed at the urban air quality forecast in the era of environmental big data, a new atmospheric environment service application system based on the big data analytics and cognitive technology is presented. Based on the underlying data resource center, the system integrates all kinds of air quality monitoring data, product data from different forecasting system and basic auxiliary data, establishes the unified mechanism for data exchanging, sharing and quality control. Through the upper four application subsystem –forecasting and early warning, comprehensive analysis, case analysis and emergency decision support, the system supports high performance forecast consultation application from multi-mode ensemble forecasting combined with expert tuning; deeply mines complex air pollution characteristics and causes from spatial correlation analysis on fusion of big data; supports judgments of heavy pollution from automatic cognitive analysis on the multi-dimensional historical pollution process and meteorological trend; assists professional emergency decision making from daily operational simulation on scenarios and pollution source apportion. Finally, the high performance, stability and practicability of the system are proved by system implementation in Beijing MEMC.

air quality forecasting and early warning; big data analytics; cognitive technology; case analysis; pollution cause analysis; decision support

X51；TP277

1674-6252（2017）02-0031-06

A

10.16868/j.cnki.1674-6252.2017.02.031

國家科技支撐計劃課題 (2014BAC23B03)。

李云婷（1977—），女，高級工程師，主要從事大氣環境科學與預報預警研究，E-mail: lee_yunting@163.com。

*責任作者： 張大偉（1978—），男，研究員，博士，主要從事環境科學與工程研究，E-mail: zhangdawei@bjmemc.com. cn。