能见度作为表征大气透明度的重要气象要素，对交通安全、航空运输及公众健康具有重要影响。本文基于2013—2022年自动气象站数据，分析北京地区能见度的区域特征和变化趋势，同时开展深度学习能见度临近外推预报研究。结果表明：1）不同等级能见度出现频率依次为“好”（49.70%~75.12%）、“一般”（14.39%~40.82%）、“较差”（2.75%~10.95%）、“差”（0.10%~6.28%）、“极差”（0~3.01%）；2）基于前72、60、48、36、24、12、6 h开展的循环神经网络（Recurrent Neural Network，RNN）、长短期记忆网络（Long Short-Term Memory，LSTM）方法能见度临近外推预报试验中，基于前48 h RNN外推未来1 h能见度效果最优，基于前36 h RNN外推未来2 h能见度效果最优，而基于前6 h LSTM外推未来1 h和2 h能见度效果均最优；3）RNN和LSTM均可以把握未来0~2 h不同地理位置能见度的变化，也具备对于受天气形势影响的能见度“转折点”的判断能力。整体上，RNN外推预报效果优于LSTM，但两种模型的预报结果均存在一定的滞后性。
甘公网安备62010002000425号
陇ICP备17000949号-2
