基于Fuzzy-BLS 的銀川市大氣污染物濃度預(yù)測研究

李付蘭

（寧夏環(huán)境科學(xué)研究院（有限責(zé)任公司）寧夏銀川 750011）

近年來，銀川市大氣污染呈現(xiàn)復(fù)合型污染特征，顆粒物（PM10）、臭氧（O3）污染問題凸顯，增加了空氣污染防治的難度。銀川市于2017 年建立了空氣質(zhì)量多模式預(yù)報(bào)系統(tǒng)，包括1 個(gè)統(tǒng)計(jì)模式和4 個(gè)數(shù)值模式，數(shù)值模式系統(tǒng)包括CMAQ、NAQPMS、WRF-Chem 和CAMx 模式［1］。由于WRF 模擬的氣象場具有不確定性，排放清單的分配也無法達(dá)到非常精細(xì)且與實(shí)際排放情況完全相符，數(shù)值模式系統(tǒng)對(duì)一些具有復(fù)雜化學(xué)反應(yīng)機(jī)制的污染物生成機(jī)理不太清晰，導(dǎo)致預(yù)報(bào)結(jié)果準(zhǔn)確性不夠，尤其是對(duì)O3濃度的預(yù)報(bào)數(shù)值偏差更大。目前，常用的大氣污染物預(yù)測方法主要包括灰色GM（1，1）預(yù)測、多元回歸預(yù)測、支持向量機(jī)SVM、長短期記憶網(wǎng)絡(luò)（LongShort-TermMemory，LSTM）預(yù)測、RNN 預(yù)測等模型［2］，對(duì)其優(yōu)缺點(diǎn)進(jìn)行分析，如表1 所示。

表1 不同大氣污染物預(yù)測方法的比較

針對(duì)上述問題，本文基于氣象臺(tái)空氣質(zhì)量預(yù)報(bào)數(shù)據(jù)及實(shí)測數(shù)據(jù)，采用Takagi-Sugeno 模糊模型為支撐，構(gòu)建基于Fuzzy-BLS 的大氣污染物濃度預(yù)測模型，對(duì)《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》（GB 3095—2012）明確的6 種常規(guī)大氣污染物日平均濃度進(jìn)行預(yù)測，并對(duì)預(yù)測精度進(jìn)行評(píng)估。

1 基于Fuzzy-BLS 的大氣污染物濃度預(yù)測模型

引入模糊推理系統(tǒng)，通過If-Then 規(guī)則對(duì)氣象數(shù)據(jù)和污染物數(shù)據(jù)中所蘊(yùn)含的專家經(jīng)驗(yàn)進(jìn)行提取、表述，以達(dá)到更好的預(yù)測效果。這里針對(duì)缺少物理信息模型的情況，采用自適應(yīng)神經(jīng)模糊推理系統(tǒng)（ANFIS），但該模型在特征維數(shù)以及輸出結(jié)果等方面存在一定的局限性，為了保留模糊推理系統(tǒng)的優(yōu)勢，又使得模型便于本題目求解，引入基于寬度學(xué)習(xí)的Takagi-Sugeno模糊模型，稱為Fuzzy-BLS［3］。Fuzzy-BLS 模型原理如圖1 所示。

圖1 Fuzzy-BLS 模型原理圖

模型主要包含數(shù)據(jù)輸入層，映射節(jié)點(diǎn)、增強(qiáng)節(jié)點(diǎn)層，輸出結(jié)果層3 層。數(shù)據(jù)輸入后，通過Takagi-Sugeno 模糊子系統(tǒng)進(jìn)行初步計(jì)算，得到映射節(jié)點(diǎn)，同時(shí)將模糊子系統(tǒng)結(jié)果輸入到增強(qiáng)層中，構(gòu)建增強(qiáng)節(jié)點(diǎn)，將映射節(jié)點(diǎn)和增強(qiáng)節(jié)點(diǎn)通過嶺回歸求解偽逆的方式確定每個(gè)節(jié)點(diǎn)的權(quán)重，最終輸出結(jié)果。具體流程如下。

在Takagi-Sugeno 模糊模型中，通常使用If-Then 規(guī)則，即式（1）。

用數(shù)學(xué)公式表示為式（2）。

其中參數(shù)可見式（5）～（7）。

得到增強(qiáng)節(jié)點(diǎn)輸出，同時(shí)將Zi再進(jìn)行處理，得到映射節(jié)點(diǎn)輸出，即式（10）。

通過嶺回歸算法求解偽逆得到W，見式（14）和式（15）。

通過求解上述模型，即可得到大氣污染物SO2、NO2、PM10、PM2.5、CO 的單日濃度值和O3的最大8 h 滑動(dòng)平均濃度。

1.1 基于Fuzzy-BLS 的一次污染物濃度的預(yù)測模型

對(duì)PM2.5、NO2、SO2、CO、PM10一次污染物進(jìn)行預(yù)測，輸入數(shù)據(jù)主要是各污染物的預(yù)報(bào)濃度和實(shí)測濃度，經(jīng)過模型訓(xùn)練與迭代，獲得優(yōu)化后的一次污染物濃度預(yù)測值。模型結(jié)構(gòu)如圖2所示。

圖2 基于Fuzzy-BLS 的一次污染物濃度預(yù)測模型

1.2 基于Fuzzy-BLS 的二次污染物濃度的預(yù)測模型

由于O3屬于二次污染物，要考慮各種氣象條件以及NOx的影響，故輸入數(shù)據(jù)主要是O3的預(yù)報(bào)濃度、氣象因子、NO2的預(yù)報(bào)數(shù)據(jù)。以實(shí)測的O3濃度，經(jīng)過模型訓(xùn)練與迭代，獲得優(yōu)化后的O3濃度預(yù)測值。對(duì)于氣象因子選擇，本文通過PCA 降維法和相關(guān)性分析法進(jìn)行氣象因子的篩選，最終篩選出溫度、濕度、風(fēng)速、太陽輻射及雨量等因子。模型結(jié)構(gòu)如圖3 所示。

圖3 基于Fuzzy-BLS 的二次污染物濃度預(yù)測模型

2 實(shí)例驗(yàn)證

2.1 模型評(píng)價(jià)指標(biāo)

為了有效評(píng)價(jià)模型的性能，本文使用2 種模型評(píng)價(jià)方法，分別是MSE 和R2。MSE 可以估計(jì)訓(xùn)練出的預(yù)測值與實(shí)際的濃度值之差的平方的期望值，MSE 的值越小，說明污染物濃度預(yù)測的精確度越高。R2是指回歸平方和與總離差平方和的一個(gè)比值，體現(xiàn)的是總離差平方和中能夠由回歸平方和來解釋的比例，數(shù)值越大，模型就越準(zhǔn)確，回歸成效就越明顯［4］。其計(jì)算如式（16）和式（17）。

2.2 模型驗(yàn)證

選取銀川市2020 年1 月1 日—12 月31 日空氣質(zhì)量預(yù)報(bào)數(shù)據(jù)和實(shí)測數(shù)據(jù)，利用建立的Fuzzy-BLS 模型，預(yù)測6 種大氣污染物的日平均濃度。同時(shí)將每種污染物的氣象臺(tái)預(yù)報(bào)濃度和模型預(yù)測濃度與實(shí)測濃度分別相減，計(jì)算二者的絕對(duì)誤差［5-6］，如圖4 所示。

圖4 6 種大氣污染物預(yù)測濃度絕對(duì)誤差圖

利用6 種大氣污染物的氣象臺(tái)預(yù)報(bào)濃度和Fuzzy-BLS 模型預(yù)測濃度，計(jì)算2 種預(yù)測方法的精度，計(jì)算結(jié)果如表2 所示。

表2 2 種預(yù)測模型的精度對(duì)比表

由圖4、表2 分析可知：①本文建立的基于Fuzzy-BLS 的大氣污染物濃度預(yù)測模型預(yù)測效果較好，精度最高的是PM10和SO2，分別為0.988 和0.980，最低的是O3，預(yù)測精度是0.932，達(dá)到了較高精度；②PM10和O3的MSE 數(shù)值較大，是因?yàn)檫@2 種污染物的原始數(shù)值比較大，但精度數(shù)值都在可接受的范圍內(nèi)；③對(duì)比氣象臺(tái)預(yù)報(bào)模型與本模型的預(yù)測濃度絕對(duì)誤差曲線，能夠顯著看出本模型預(yù)測精度更好，預(yù)測誤差更小。經(jīng)計(jì)算，對(duì)于一次污染物（PM10、SO2、NO2、PM2.5、CO），MSE指標(biāo)平均下降了71.7%，R2指標(biāo)提高了10.4%；對(duì)于二次污染物臭氧，MSE 指標(biāo)下降了78.0%，R2指標(biāo)提高了26.9%。

3 結(jié)語

本文建立的基于Fuzzy-BLS 的大氣污染物濃度預(yù)測模型擅長處理具有時(shí)序性和非線性的數(shù)據(jù)，對(duì)氣象及污染物數(shù)據(jù)具有較強(qiáng)的適用性，對(duì)多種污染物濃度預(yù)測精度較高，是一種可行的預(yù)測手段，在解決實(shí)際環(huán)境問題的過程中能夠輔助決策。同時(shí)，在建立模型過程中，考慮到了多種氣象因素對(duì)大氣污染物濃度的影響，使建立的污染物濃度預(yù)測模型很大程度上能反應(yīng)實(shí)際的大氣情況，對(duì)于環(huán)境空氣質(zhì)量監(jiān)測及環(huán)境保護(hù)具有較大的參考價(jià)值，實(shí)用性和可推廣性較強(qiáng)。