基于非正態(tài)分布假設(shè)下的高濃度地表臭氧預(yù)報模型的應(yīng)用.pdf

1、由于地表O3對人體和生態(tài)環(huán)境的嚴(yán)重危害，使得準(zhǔn)確預(yù)測高濃度地表O3，減少人類在高濃度地表O3環(huán)境下的暴露時間有著巨大的意義。
　　 本文以美國Livermore盆地和休斯頓地區(qū)的氣象、污染物監(jiān)測數(shù)據(jù)為基礎(chǔ)，針對兩地建模數(shù)據(jù)的非正態(tài)分布特性，使用基于主元分析(Principalcomponent analysis，PCA)的主元空間非參數(shù)T2控制限法和廣義線性混合模型(Generalized linear mixed model，

2、GLMM)來分別預(yù)報兩地地表O3濃度超限事件。本論文的主要研究內(nèi)容包括:
　　 (1)利用基于PCA主元空間的非參數(shù)T2控制限法來預(yù)報地表O3濃度超限事件。Hotelling T2控制限的正態(tài)分布假設(shè)與實際數(shù)據(jù)分布的差異較大，導(dǎo)致了對地表O3超限點的較多漏報，本文通過使用基于預(yù)測變量的實際分布得到PCA主元空間的非參數(shù)T2控制限來預(yù)報地表O3濃度超限事件。
　　 (2)利用GLMM預(yù)測地表O3濃度。由于不同天氣類型中氣象

3、因素對地表O3形成的影響不同以及地表O3濃度的非正態(tài)分布特性，使用普通線性回歸模型往往導(dǎo)致對高濃度地表O3系統(tǒng)性的被低估。為此，本文通過聚類方法將建模數(shù)據(jù)歸入不同天氣模式;然后，采用GLMM預(yù)測地表O3濃度。因為GLMM可以同時考慮地表O3數(shù)據(jù)的非正態(tài)分布特性和不同天氣類型中氣象因素對地表O3形成的影響，所以GLMM預(yù)測效果優(yōu)于普通線性模型。
　　 (3)模型對比。在Livermore站點，基于PCA主元空間的非參數(shù)T2控制限法

4、可以預(yù)報出全部11個地表O3濃度超限事件，GLMM能預(yù)報出5個;在Deer Park站點，基于PCA主元空間的非參數(shù)T2控制限法和GLMM的準(zhǔn)確預(yù)報率都為62.5％。由于GLMM在數(shù)據(jù)補充過程中刪除了2007年間兩個地表O3濃度超限事件，故在預(yù)報過程中GLMM的實際上預(yù)測出6個地表臭氧超限事件中的5個，基于PCA的主元空間非參數(shù)T2控制限法預(yù)報出8個地表臭氧超限事件中的5個。雖然兩種模型都考慮了建模數(shù)據(jù)的非正態(tài)分布特性，但是非參數(shù)T2控