相空间与向量机理论支持下臭氧临近预报模式.pdfVIP

相空间与向量机理论支持下的臭氧临近预报模式1 张建磊，乐群，束炯 华东师范大学地理信息科学教育部重点实验室,城市气候与大气环境研究所，上海（200062 ） E-mail ：qyue@ 摘 要：本文利用臭氧浓度时间序列资料重构了该光化学系统的相空间，然后沿着系统演化 的相轨道用最小二乘支持向量机建立了臭氧临近预报模式，并用上海市普陀站的臭氧观测资 料做了提前 1-8 小时和提前24 小时预报试验，结果表明这一模式能够较好地模拟臭氧浓度 变化的非线性动力学特征，预报效果好。 关键词：相空间，支持向量机，臭氧预报 1.引言 臭氧是光化学烟雾中的特征污染物，它主要是由氮氧化物 NOx 和挥发性有机物 VOCs 等在大气中经过传输和光化学反应而逐渐形成并积累的[1] 。近年来，随着工业发展和机动车 保有量的迅速增长，大气中 NOx 和碳氢化合物浓度升高，使得我国一些城市的地面臭氧浓 度出现了快速增高的趋势[2，3] 。开展城市大气臭氧污染预报方法的研究，对控制臭氧含量， 预防光化学烟雾事件的发生具有重要意义。 传统的臭氧预报方法主要有统计预报和数值预报，统计预报的准确率较高，但对数据要 求较高；数值预报模式由于受到输入资料和模式的不确定性及计算复杂性等的限制，预报效 [4] [5] 果不够理想 。此外，臭氧的生成与积累是一种多变量、强耦合的非线性过程 ，上述两种 方法没有充分模拟臭氧浓度变化的非线性动力学特征，也影响了其预报效果。因此，近年来 臭氧浓度的非线性动力学预报方法引起关注，该方法能较完整地保留和刻划系统本身的非线 性特征。Chen 等首次把相空间重构和动力学技术用于臭氧预报，建立了相空间模型 (phase-space model, PS model) [6]，Kocak 等提出了基于相空间理论的局部预测模型 [7]，这两 种模型均以相空间理论为基础，能够捕捉到原混沌系统的动力学特征，较好地拟合了系统演 化的轨道，但是在估计臭氧浓度的现在状态和未来状态的映射关系时分别采用的是局域近似 法（local approximation ）和 Itoh 等提出的用离群数据(outliers)进行混沌时间序列预测的方法， 结果表明后者提前一步预报效果略好，然而，对于做提前多步预报两种模型效果都不理想。 近年来，以统计学习理论为基础的支持向量机 (Support Vector Machines, SVM) 方法引起广 泛关注并已在很多领域得到应用， Mukherjee 等将 SVM 用于混沌时间序列的非线性预测， 结果表明其预测性能好于传统的预测方法[8] ；最小二乘支持向量机(Least Squares Support Vector Machines)作为 SVM 的扩展，也被用于混沌时间序列的预测研究，取得了较好的提前 多步预测效果[ 9,10] 。基于此，本文结合相空间理论和最小二乘支持向量机方法建立了臭氧临 近预报模式，并利用上海市普陀站 2005 年的地面小时臭氧浓度监测资料进行了预报试验。 2.预报模型建立 2.1 相空间重构 由 Takens 提出的嵌入定理，单变量的实测资料中包含了系统演化过程中各变量相互作 用的信息，根据这一变量可以等价地重建出原动力系统的吸引子，从而研究这个系统在相空 1 本课题得到国家自然科学基金项目）、教育部博士点基金项目（20050269019 ）和上海市环境 保护科学技术发展基金项目（05-13 ）的资助。 -1- 间中的演化规律[11] 。因此可以认为臭氧前体物和气象条件等相关信息都隐含在臭氧浓度时 间序列中，选择适当的时间延迟和嵌入维数，就可以通过重构相空间来研究整个系统。