侧重基于空气质量模型和超级站在线观测数据,利用大数据、机器学习和深度学习等手段,模拟再现空气污染过程中的大气物理、大气化学过程,在此基础上开展大气能见度及颗粒物组分的来源解析、源排放-受体浓度-能见度的响应关系、污染及能见度改善的调控策略等相关研究。详细可微信搜索公众号“大气环境人工智能研究小组”。

 

 

◆    代表性研究成果

1. 大气颗粒物的消光效应

图1.1 基于气溶胶质谱的颗粒物散射效率变化规律

(Zhu et al., Environmental Pollution, 2019)

 

 

图1.2 上海市各季节大气消光系数的来源贡献

(Cheng et al., Science of the Total Environment, 2018)

 

图1.3 颗粒物组分质量粒径分布与散射效率的变化关系

(Cheng et al., Environmental Science and Technology, 2015)

 

2. 大气颗粒物的来源解析

 

图2.2 细颗粒物各组分来源解析

(Shen et al., Atmospheric Environment, 2019

 

图2.3 细颗粒物硫酸根组分的区域与行业来源

(国家重点研发计划大气专项 2016YFC0208700

 

3. 人工智能在大气环境研究中的应用

图3.1 基于卷积长短时记忆算法的空气质量预报平台

(http://www.hazenet.cn)

 

(a) 校正前

(b) 校正后

图3.2 机器学习对光散射法TSP质量浓度的校正

(Guo et al.,  Aerosol and Air Quality Research, 2019)

 

图3.3 机器学习算法对颗粒物吸湿增长规律的识别

(Guo et al.,  Aerosol and Air Quality Research, 2019)

 

◆    广泛的科研合作交流

 

上海市闵行区东川路800号 上海交通大学环境科学与工程学院 200240

技术支持: 维程互联