一种具有自适应残差校正的双分支Transformer模型,用于提升高臭氧预报能力
《Atmosphere》:A Dual-Branch Transformer with Adaptive Residual Correction for Improving High-Ozone Forecast Skill
【字体:
大
中
小
】
时间:2026年08月29日
来源:Atmosphere 2.6
摘要
近地面臭氧(O3)污染日益成为一个令人关注的环境问题,尤其在京津冀(BTH)地区——中国人口最密集的大都市群之一,该地区正经历着日益严重的O3污染过程。现有的数据驱动预测模型系统性地低估了高浓度事件,且预报时效有限。为揭示极端O3过程的气象驱动机制,我们对2019—2023年的数据进行了复合异常分析,发现主导的气象机制为中对流层反气旋环流与高温、低湿及深厚的下沉逆温的耦合模式,该模式抑制了垂直扩散,而南风输送则推动近地面O3快速累积。受气象诊断结果的启发,我们提出了ARC-Net——一种基于Transformer编码器的自适应残差校正网络,该网络利用欧洲中期天气预报中心(ECMWF)的数值天气预报数据和空气质量观测数据,生成最长可达240小时(10天)的逐小时O3预报。该模型具有双分支回归-分类架构,增强了高浓度条件下的特征区分能力,并通过基于污染等级先验条件的三重门控机制,动态校准输出的自适应残差校正模块。在2023年针对京津冀地区13个城市的独立预报测试中,ARC-Net在0—24小时的预报中达到了R2 = 0.879和均方根误差(RMSE)为17.03 μg/m3,在0—240小时的预报中仍保持R2 = 0.749和RMSE = 24.57 μg/m3。对于极端过程(最大日8小时平均臭氧(MDA8_O3)≥ 215 μg/m3),关键成功指数较基线提升了63.9%,在一个代表性案例中,215—265 μg/m3范围内的RMSE降低了33.15%。这些结果表明,气象引导的预测器结合自适应残差校正可以在一定程度上缓解高O3低估问题,并提供具有实用价值的中期预警能力。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号