基于多變量混合長短期記憶神經網絡的長沙PM2.5預報模型

羅 宇，袁 薇，羅林艷，陳明誠，唐 杰，萬文龍，范嘉智

(1.中國氣象局氣象干部培訓學院湖南分院，長沙 410125；2.湖南省氣象防災減災重點實驗室，長沙 410118；3.中國氣象局氣象干部培訓學院，北京 100081；4.湖南省氣象信息中心，長沙 410118；5.南京信息工程大學大氣科學學院，南京 210044；6.湖南省氣象臺，長沙 410118；7.東營市氣象局，東營 257100)

隨著工業發展和城市化，空氣污染問題已在世界范圍內引起廣泛關注，世界衛生組織研究[1]指出每年約有超400萬人因空氣污染相關疾病死亡。長沙作為湖南省會，人口密度大、工業發達，且由于特殊的地理位置，易造成區域型空氣污染[2]，僅2019年冬季就出現了4次重污染過程，其首要污染物為PM2.5[3]。PM2.5是指空氣動力學當量直徑小于等于2.5 μm的顆粒物，可長時間懸浮于空氣中，并吸附重金屬和揮發性有機物等有毒污染物[4]。相關研究表明，環境中PM2.5濃度每增加10 μg/m3，心腦血管疾病和肺癌的死亡風險增加4%～8%[5-6]。同時，PM2.5能夠影響大氣的成云致雨過程，間接影響氣候變化[7]。

近年來，中外學者針對PM2.5特征及其濃度預報進行了大量研究。總體而言，PM2.5濃度預報方法可分為確定性方法和統計方法兩類。確定性方法利用大氣科學相關理論對污染物的物理化學反應進行建模，模擬其排放、擴散和傳輸等過程。目前在城市空氣污染預報中使用較多的確定性模型主要有嵌套網格空氣質量預報模型[8](nested air quality prediction model，NAQP)，氣象-化學耦合模型[9](weather research and forecasting model coupled to chemistry，WRF-Chem)和多尺度空氣質量模型[10](community multiscale air quality model，CMAQ)。這些模型均基于一定的理論假設和先驗知識構建，因此有助于更好地理解大氣污染機理，但在模型輸入條件準確性、物理化學過程描述和計算有效性提升等方面仍面臨較大挑戰[11-12]。……