基于Bayes判别分析的大气污染潜势定量预报

依据大气污染物质量守恒方程,构建大气污染气象因子,并以空气质量指数日增量为对象,对大气污染潜势进行了定量化分级划分.采用Q型聚类分析方法,把秋、冬季大气环流背景分为冷空气型、混合型、暖空气型三种环流类型,并研究了区分三种大气环流类型的指标因子及其阈值.采用Bayes判别分析方法,分别建立了冷空气型、混合型和暖空气型大气环流背景的污染潜势五分级预测模型.对邢台2017—2019年秋、冬季资料建立的预测模型,各年判别正确率分别为80.0％、71.0％、74.7％,综合正确率为75.2％.采用2015—2017年秋、冬季资料对该模型进行检验,综合正确率为63.6％.对2019—2021年秋、冬季大气自净能力指数和污染潜势五分级预测结果与空气质量指数(AQI)日增量实况进行对比分析,污染潜势五分级预测结果与AQI日增量的变化趋势有较高的一致性,相关系数在0.67以上,明显好于大气自净能力指数计算结果;污染潜势五分级预测对极利于扩散等级和极不利于扩散等级判别正确次数明显高于大气自净能力指数.