关键词：sequence to sequence模型 上海市 

摘要：为提升PM2.5浓度预报能力,尤其是对PM2.5重污染的预报能力,以中尺度气象-化学耦合模式系统(WRF-Chem)为基础,结合中尺度WRF气象预报数据、地面及高空气象观测数据、PM2.5浓度观测数据,基于人工智能深度学习序列到序列的算法建立了上海市PM2.5统计预报模型.结果表明,人工智能深度学习算法(Seq2seq)明显修正了WRF-Chem模式由于模型非客观性造成的偏差,提高了上海市PM2.5浓度的预报能力;该算法优化和修正了WRF-Chem模式结果,并通过检验发现可以使PM2.5浓度预报值与实况值间的相关系数由0.51上升至0.79,均方根误差由25.9μg/m3下降至15.01μg/m3.而单独使用套索法(Lasso)线性回归算法对WRF-Chem模式优化效果不理想.基于Seq2seq的PM2.5浓度预报修正模型能够有效提升预报精度.

中国环境科学杂志要求:

{1}文章正文的标题、表格，插图必须分别连续编号。

{2}请勿一稿两投；请遵循学术规范，如出现剽窃，文责自负。

{3}参考文献：将参考文献按正文中出现的先后顺序排列编号，并用数字加方括号标注并集中排列在注释后。

{4}摘要300字左右。摘要与正文对等，不以第一人称表述，不对正文评论，不要写成提纲形式。避免使用“本人”“本文”“我”等字眼。

{5}属于课题基金项目的成果或论文，请在首页注明基金项目类别、课题项目名称及编号。如有鸣谢文字请附于文末。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社