摘要：为提升PM2.5浓度预报能力,尤其是对PM2.5重污染的预报能力,以中尺度气象-化学耦合模式系统(WRF-Chem)为基础,结合中尺度WRF气象预报数据、地面及高空气象观测数据、PM2.5浓度观测数据,基于人工智能深度学习序列到序列的算法建立了上海市PM2.5统计预报模型.结果表明,人工智能深度学习算法(Seq2seq)明显修正了WRF-Chem模式由于模型非客观性造成的偏差,提高了上海市PM2.5浓度的预报能力;该算法优化和修正了WRF-Chem模式结果,并通过检验发现可以使PM2.5浓度预报值与实况值间的相关系数由0.51上升至0.79,均方根误差由25.9μg/m3下降至15.01μg/m3.而单独使用套索法(Lasso)线性回归算法对WRF-Chem模式优化效果不理想.基于Seq2seq的PM2.5浓度预报修正模型能够有效提升预报精度.

关键词：sequence to sequence模型 上海市 

单位：长三角环境气象预报预警中心; 上海200030; 复旦大学; 上海200433; 上海市气象与健康重点实验室; 上海200030