李泽群 韦骏,2,3,†

1. 中山大学大气科学学院, 珠海 519082; 2. 南方海洋科学与工程广东省实验室(珠海), 珠海 519082;3. 广西大学海洋学院, 南宁 530004; † 通信作者, E-mail: weijun5@mail.sysu.edu.cn

随着工业化的日益发达, 过去被忽略的对人体有害的细小颗粒物(PM2.5)产生的危害逐渐引起社会关注。1997 年, 美国首次提出细颗粒物(PM2.5)的标准: 环境空气中空气动力学当量直径小于等于 2.5微米的颗粒物。虽然 PM2.5在地球大气中含量很少,但因其具有粒径小、面积大、活性强、易附带病毒和有害物质、悬浮时间长和输送距离远等特点, 会给空气质量和人体健康带来极大的危害。以 PM2.5为主的室外空气污染关联多种疾病, 包括与臭氧有关的慢性阻塞性肺病、与 PM2.5有关的急性下呼吸道疾病、脑血管病、缺血性心脏病和肺癌等, 每年导致全球超过 300 万人过早死亡, 且该现象主要发生在亚洲地区[1], 中国每年由于 PM2.5污染导致的过早死亡人数在 165 万至 219 万之间[2]。

对 PM2.5的预测方法主要有统计模型、模式模拟(化学传输模型)以及深度学习模型等方法。Baker等[3]用非线性回归模型对单来源的 PM2.5浓度进行预测; 周广强等[4]基于 WRF-chem 模式进行华东区域 PM2.5浓度预报; 王茜等[5]基于 CMAQ 空气质量数值预报模式, 采用学习型线性回归方法, 显著地提高上海市 PM2.5预报的准确率。目前, 卷积神经网络、径向基神经网络、支持向量机和粒子群优化等深度学习方法已经用于研究空气质量与多种气象数据之间的非线性关系[6-9]。

华北地区 PM2.5污染情况较为严重, 因此前人的研究多关注北京及周边地区。……