产品发布 | 中科三清基于机器学习的空气质量预报模型Xair全新亮相!

来源:

近年来,人工智能技术已广泛应用于多个领域的产品技术创新与升级,其中,机器学习作为人工智能的分支,也受到了众多的关注及研究。机器学习是指机器尝试模仿人类的学习能力,从已知数据中获得规律,并利用规律对未知数据进行预测或理解。


f645364d1c02b8688a7a3cc2c56c4b7e.png


中科三清研发团队基于海量的污染观测数据及气象预报数据,融合少数样本过采样、在线学习等多种技术方法,构建了以机器学习XGBoost算法为核心的空气质量预报模型Xair。该模型可实现城市/站点常规污染物(PM2.5、PM10、O3、NO2、CO、SO2的预报,为精准预知大气污染发展态势和大气环境精细化管控提供科学依据。



图片


(图为技术路线)


通过对202131日至6月15日全国30个城市预报效果的评估分析,结果表明,空气质量预报模型Xair具有较好的预报效果,模型可较为精准的预测出污染物的浓度变化趋势和量值,AQI等级预报准确率超过80%的城市占比为87%(24小时时效)。同时,空气质量预报模型Xair在O3NO2的预报中有明显的效果提升,O3NO2预报结果与观测结果相关系数大于0.6的城市占比达97%,相关系数大于0.8的城市占比为54%


0128460781833739bb9a11887f50fe71.jpg



特色与亮点


  • 对模型训练所需的样本数据进行重构,保证不同种类样本数量的均衡性,提升了模型对污染物浓度低值与高值的预测效果。

  • 对模型训练所需的数据进行特征工程的构建,保留重要特征进入模型,提高了模型训练效率。

  • 空气质量预报模型Xair设计了在线学习策略,可自动更新算法参数,匹配本地不断变化的污染特征。

  • 空气质量预报模型Xair所需计算资源少且计算速度快,可同时实现未来7-15天小时尺度的预报,以及逐小时滚动预报未来72小时的短临预报。



应用场景

  • 空气质量预报预警

基于城市/站点未来长时次的预报,空气质量预报模型Xair可支撑日常空气质量业务预报,为政府管理部门提前防控布局、科学施策提供依据,也可以为公众提供预警信息服务。

图片


  • 重大活动保障

基于城市/站点逐小时滚动的短临预报,空气质量预报模型Xair支撑重大活动保障期间精细化预报,为精准研判、快速制定应急管控措施提供依据。


图片

图片





基于机器学习技术的空气质量预报可作为预报方法的补充,与数值预报互相配合,空气质量预报模型Xair能在时间和空间尺度上更全面、精准地反应大气环境的演变,对本产品感兴趣的客户,欢迎留言或私信了解更多。未来,中科三清将秉承开放、求知的心态,持续推动新兴技术在环保领域各应用场景的切实落地,以创新产品为政府管理和决策部门提供更有力的科技支撑。