近年来，随着各地大气污染防治工作的不断深入，常规大气污染物得到有效治理，环境空气质量不断好转。以此同时，一些非常规污染物逐渐引起关注，一氧化碳（CO）就是其中之一。一氧化碳浓度潜势预报预警系统设计与开发，对持续改善大气环境质量非常重要。

冬春季是一氧化碳中毒事故的高发时期，卫生局、国家生产安全监督总局为保障人民群众生命安全，进一步防范一氧化碳中毒事件作出了如下指示：各地区卫生、安监、气象、民政、公安等部门要加强协调联动，及时通报信息，按照分工做好预防控制工作。出现气候、气压明显变化等异常情况，要及时提醒公众注意防范一氧化碳中毒事件。一氧化碳浓度潜势预报预警系统设计与开发，对于监测易于引起一氧化碳中毒的天气状况和预测一氧化碳浓度变化，从而向人民群众发出预警信号有重要作用。

一氧化碳为无色、无味、无刺激性气体，几乎不溶于水，不易被活性炭吸附。当碳物质燃烧不完全时，可产生CO，当环境中的量达到一定浓度或停留一定时间后即可引起一氧化碳中毒。北方地区容易发生，与季节天气关系密切，当吸入其中一氧化碳体积分数含量超过 0.05％或 30 mg/m³ 时即可使人中毒，严重危害居民的健康。对一氧化碳浓度进行预测预警，找出一氧化碳不易消散的天气状况，做好监测预防一氧化碳浓度过高工作，对人民群众生命安全具有重要作用。

近年来，在中国工业化、城镇化快速发展的背景下，城市空气污染问题日益严重。长期暴露在高浓度污染空气会显著增加多种患病风险，严重损害人体自身的呼吸系统、神经系统、心血管系统及生殖系统。据统计，中国每年因空气污染物致死大约为100万人。其中，碳氧化物污染包括一氧化碳(CO)和二氧化碳(CO₂)对大气的污染。CO化学性质较稳定，人为来源主要是矿物燃料燃烧、石油炼制、钢铁冶炼、固体废物焚烧等。CO是排放量最大的大气污染物。据估计，每年人为排放一氧化碳总量为3—4亿吨，其中一半以上来自汽车废气。过去曾认为CO大部分来自人类活动，研究表明，CO的自然排放量比人为排放量大几倍，主要来自森林火灾、海洋和陆地生物的腐烂等过程。CO在大气中的存留时间约为几个月。大气中CO的消除作用现已知道的有OH自由基氧化作用，形成CO₂，更主要是土壤微生物的代谢过程。对一氧化碳浓度预报预警有利于助力节能减排；同时CO影响OH清除的甲烷等温室气体和对流层臭氧的浓度，对气候产生作用。一氧化碳的短期暴露还对人群总死亡率、心血管疾病的死亡率有不利影响，对一氧化碳预警监测有助于降低一氧化碳暴露的风险。因此，一个具有准确可靠预测方法的CO大气浓度预测预警系统至关重要。预测预警系统得到的结果可能导致对环境问题的正确决策，并可以改进空气污染控制策略。

本项目的研究以欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts , ECWMF）的EC细网格数值预报模式数据为数据集，选取站点数据为研究对象，以BiLSTM神经网络为基础，通过自适应参考站点，动态选取气象要素，以期达到更准确的一氧化碳预报预警能力。大型城市人口密度高一氧化碳中毒预报需求大，同时汽车尾气排放的一氧化碳污染最为严重，因此具体潜势预报站点的选取以一二线的大城市为选取范围。

 研究步骤：

（1）基于BiLSTM神经网络的一氧化碳浓度变化的研究

BiLSTM是一种双向长短期记忆网络，通过输入利用EC模式输出的江苏省各个站点的一氧化碳资料，构建BiLSTM神经网络模型，用一氧化碳监测值做输出对比值，并将该模型运用于预报，将结果进行检验。

BiLSTM神经网络模型结构图

先将数据分成训练集、检验集和测试集。我们输入预报站点和参考站点的EC预报值，到bilstm模型里，预测未来一氧化碳浓度潜势，用预报站点和参考站点的CO观测值做输出对比值，再输入到bilstm模型里，用预报站点的CO观测值做输出对比值。在用三小时以后数据重复上述过程，一直往下执行，直到预报到72小时的一氧化碳浓度潜势。验证集先输入预报站点和参考站点的EC预报值，到bilstm模型里，预测未来一氧化碳浓度潜势，此时预报站点CO观测值是未知的，用初始时刻的CO观测值和CO预报值的误差来修正以后时次的CO预报值。直到验证集检验良好，就可以用神经网络模型来生成测试集，得到一氧化碳浓度潜势预报良好的模型。

（2）不同数值模式数据预报效果对比

将站点一氧化碳浓度监测资料与一氧化碳浓度预报资料进行对比和统计分析，比较不同数值模式的预报效果，探讨不同数值模式对于一氧化碳浓度预报能力的优劣性。

（3）进一步优化模型

调整BiLATM神经网络的结构与参数，如神经网络的层数、loss函数和激励函数的选择、训练集的大小调整等，测试其对一氧化碳浓度的预测效果，对比分析模型的预测准确度与稳定性，最终选取最优的一氧化碳浓度预测模型。

前人利用地面观测站的数据和卫星反演数据等讨论天气形势，对大气污染物进行观测研究，但是对一氧化碳浓度变化研究较少；大部分的研究都是监测实时一氧化碳浓度是否超标，对于一氧化碳未来的发展状况的预警相关研究较少，且其采用数据都是以再分析资料或WRF、MM5模式资料为基础。

美国目前已有7个州11个城市通过立法，规定家庭、公寓等都要安装一氧化碳报警器。美国现在有华瑞最新技术固定式一氧化碳监控报警器FGM,采用的是电化学传感器和微控制器技术。

德国现有的比较先进的传感器有PAC 5500 CO，采用的是高灵敏度电化学传感器原理，结合单片机技术和网络通讯技术对一氧化碳浓度进行监测。

马来西亚槟城赛恩斯大学通过使用统计时间序列方法和机器学习方法，开发和预测未来几小时的CO浓度。项目使用的数据是马来西亚兰卡威监测站的空气质量数据,使用的数据挖掘工具是RapidMiner Studio。结果表明，具有深度学习的时间序列分析为未来3小时提供了相当好的CO浓度预测，相对误差约为10%。_[1]

印度尼西亚万隆技术研究所使用支持向量回归方法预测CO浓度，以最佳预测精度预测印度尼西亚西爪哇万隆市的每小时CO浓度。通过用不同的核参数值对CO浓度进行建模来进行实验，以获得准确的预测结 果。_[2]

我国中国科学技术大学以单个SnO₂ 传感器为敏感元件对CO进行动态检测 ，讨论了SnO₂气体传感器动态检测方法的理论基础。结果表明，运用动态检测方法明显提高了SnO₂ 传感器对CO的选择性 ,动态检测方法是建立在半导体电导率温度依赖特性基础上的。_[3]

我国辽宁省气象局利用统计学方法对气象资料进行普查，根据普查结果并借鉴大气污染潜势预报等级划分标准得出4种主要的天气环流型。利用实况资料对预报等级标准和天气形势场分型进行检验，结果显示预报方法所定义的等级划分标准以及天气形势场分型具有实际业务应用价值。_[4]

开展大气一氧化碳实况监测，在黑龙江省乃至全国还是空白。近年来，大气变暖趋势明显，冬季气象形势愈加稳定少变；加之各地平房住户自行取暖，频繁发生居民一氧化碳的中毒事件，给人们生命健康造成重大损失。结合气象部门的行业特点和技术优势，合作研发出一氧化碳监测站，建立城镇大气一氧化碳监测系统，对掌握大气一氧化碳浓度的分布流动变化情况、开展城乡区域一氧化碳中毒气象潜势预警业务具有现实意义，也具有广阔的应用前景。_[5]

参考文献：

[1]Wah Chyang Choy1 , Azleena Mohd Kassim1* ,Ahmad Zia Ul-Saufie2,Prediction of Carbon Monoxide (CO) Atmospheric Pollution Concentrations with Machine Learning and Time Series Analysis in Langkawi, Malaysia[J].ASM Science Journal,2021,Volume 16.

[2]Erniwati Halawa1,2, Yazid Bindar3, Acep Purqon1, and Wahyu Srigutomo1* ,Prediction of Carbon Monoxide Concentration with Variation of Support Vector Regression Kernel Parameter Value[J].J. Math. Fund. Sci. Vol. 54, No. 1, 2022, 39-53.

[3]孟凡利,黄行九,孙宇峰,刘锦淮,基于SnO₂气体传感器对CO的动态检测及原理[J].

传感技术学报,2005,18（1）.    

[4] 梁寒,陈宇,刘凤辉,王瀛,吴曼丽,方娟,辽宁省非职业性一氧化碳中毒气象预报方法[J].气象与环境学报,2009,25（6）.

[5] 邢俊江,刘运武,赵 燃,刘 刚,大气一氧化碳监测系统[J],黑龙江气象,2009,26（2）.

（1）基于观测和再分析资料的预测模型对未来时间的一氧化碳发展状况没有基于气象要素的考量，而基于wrf、mm5的空气质量模式的预测模型效果有待提高尤其是点对点预报的准确性。WRF模式基于MM5发展而来，由于开源便于本地化改进，因此具有大量不同版本，预报效果良莠不齐， ECWMF则是世界上最重要的气象预报中心之一，其模式产品领先全球，通过EC模式对一氧化碳浓度预报效果应优于其他模式。

（2）输入高分辨率格点地形数据

在城市中，高大建筑物会使运动着的大气产生涡流，在涡流区内大气污染物很难逸散，涡流区会完全处在污染之中，在丘陵或山谷盆地也会产生类似的情况。此外，城市地区的交通状况也会带来大量污染物排放，包括颗粒物（PM）、CO、CO2、NOx等。

量化地形对于污染物传输的固有影响，对于模型预测结果的可靠性和准确性有着重要影响，该项目采用0.125°╳0.125°的高分辨率地形数据为输入。

（3）考虑垂直层气象要素

非职业性一氧化碳中毒潜势预报所用资料包括常规地面气象资料和边界层气象资料。 常规地面气象资料包括风向、风速、总云量、低云量、降水量、相对湿度等；边界层气象资料包括大气稳定度和混合层厚度等。一氧化碳排放进入大气后，不考虑污染源的情况，其稀释和扩散、聚积和清除等能力受多种气象因素的综合影响。一氧化碳污染气象条件（潜势）预报就是指一氧化碳污染物在大气中充分或不能充分的扩散、稀释的度量。经过统计分析常规气象资料和边界层气象资料后，确定了天气类型、气温与相对湿度、风向、风速、逆温、垂直风等气象因子与一氧化碳等污染物稀释、扩散有重大关系。

工业污染往往出现在空中，交通污染集中出现在地面，而污染物也会随上升下降气流扩散。在温度，湿度，气压，风向，风速，天气类型几项常用地面资料基础上，增加垂直风切变，对流抑制能量等垂直层气象要素，对于一氧化碳排放进入大气后的扩散、聚积和清除等能力预报更加准确。

（4）参考站点动态选取，气象要素动态选取

预报预警站点的一氧化碳监测数据，以及周边地形数据为模型固定输入。周边参考站点根据一氧化碳监测数据相关性分析结果（斯皮尔曼秩相关性系数）动态选取，气象要素则根据其与预报预警站点的一氧化碳监测数据做相关性分析从前述要素中动态选取（斯皮尔曼秩相关性系数）。 

研究路线描述：

我们对EC细网格数值预报模式的数据中的气象要素进行数据预处理，并和预报站点一氧化碳浓度进行相关性分析，用斯皮尔曼秩相关系数动态选取参考站点数据，以及动态选取气象要素，并在温度、湿度、气压、风向、风速等常规地面气象要素选取的基础上，增加了垂直层气象要素，如：对流抑制能量和垂直风切变等。

上述数据和高分辨率格点地形数据，一氧化碳的实时监测数据，选取训练集，检验集和测试集。构建BilSTM神经网络模型，用一氧化碳检测值作为输出对比值训练模型。

使用验证集检验模型，根据模型存在的误差调整程序框架，直到对一氧化碳浓度预测结果良好，生成测试集，便得到了一氧化碳浓度预报的正式模型。

拟解决的问题：

（1）前人利用地面观测站的数据和卫星反演数据等讨论天气形势，对大气污染物进行观测研究，但是对一氧化碳浓度变化研究较少；大部分的研究都是监测实时一氧化碳浓度是否超标，对于一氧化碳未来的发展状况的预警相关研究较少，且其采用数据都是以再分析资料或WRF、MM5模式资料为基础。我们将基于EC格点数据和CO观测站站点数据对大型城市一氧化碳浓度潜势作预报预警。

（2）构建双层Bilstm神经网络模型，使得预报的准确性和实用性更强。

预期成果：

2023.4-2023.7：申报软件著作权一项

2023.7-2023.10：论文初稿

2023.10-2024.1：省级及以上论文一篇

2024.1-2024.4：详尽的研究报告一份

预期最终成果：

申报软件著作权一项

省级及以上论文一篇

详尽的研究报告一份

（1）第一阶段（一个月）：

深入调研本项目相关的国内外最新理论与技术进展，提出详尽的研究方案，制定项目全面开展的详细技术路线。学习并了解项目所需要的基础知识，熟悉软件的使用，进行一些数据预处理，为模型的建立和项目具体开发提供技术支撑。

（2）第二阶段（六个月）：

针对研究内容用到的模型制作对应的数据集，构建深度学习的神经网络模型，调试模型，进行第一轮模型训练。对模型结构进行调整，以期达到更好的预测效果并调试模型，进行第二轮模型训练，根据检验结果调整模型，不断优化。收集实验数据，进行数据可视化处理，准备申请专利。

（3）第三阶段（四个月）：

根据已经获得的结果撰写论文，并不断优化论文。

（4）第四阶段（一个月）：

准备验收结果，分析与总结项目研究成果，提交完整、详细的项目研究报告，并思考未来的研究方向和目标。