| 基于机器学习的大气PM2.5中金属浓度预测模型的研究 |
| |
| 引用本文： | 伍亚,邹凤娟,高丽洁,刘晓波,马文军,梁晓峰,朱穗.基于机器学习的大气PM2.5中金属浓度预测模型的研究[J].环境监控与预警,2023,15(5):8-16. |
| |
| 作者姓名： | 伍亚 邹凤娟 高丽洁 刘晓波 马文军 梁晓峰 朱穗 |
| |
| 作者单位： | 暨南大学基础医学与公共卫生学院;哈尔滨市疾病预防控制中心;暨南大学疾病预防控制研究院 |
| |
| 基金项目： | 广东省基础与应用基础研究基金项目（2021A1515012578） |
| |
| 摘 要： | 基于2013—2018年哈尔滨市气象数据、大气污染物数据和细颗粒物（PM2.5）中金属成分数据，采用机器学习方法探索大气PM2.5中金属浓度预测模型，并选择最优模型进行污染物浓度预测。结果表明，多元线性回归（MLR）、人工神经网络（BP-ANN）、支持向量机（SVM）和随机森林（RF）4种模型中，RF对大气PM2.5中5种金属［锑（Sb）、砷（As）、铅（Pb）、镉（Cd）、铊（Tl）］的浓度预测效果最佳，在训练集和测试集中表现均较稳定，其中相关系数（r）均＞0.7， 平均绝对误差（MAE）和均方根误差（RMSE）数值较小。RF在大气PM2.5中金属浓度预测上具有较好的表现，可在缺乏监测和实验数据的情况下，实现对大气颗粒物中金属浓度的快速预测，为全面了解颗粒物中金属污染特征提供数据基础。
|
| 关 键 词： | 细颗粒物 金属 机器学习 预测模型 |
| 收稿时间： | 2022/11/16 0:00:00 |
| 修稿时间： | 2023/6/23 0:00:00 |
Prediction Models of Metal Components in Ambient PM2.5 Based on Machine Learning |
| |
| WU Y,ZOU Fengjuan,GAO Lijie,LIU Xiaobo,MA Wenjun,LIANG Xiaofeng,ZHU Sui.Prediction Models of Metal Components in Ambient PM2.5 Based on Machine Learning[J].Environmental Monitoring and Forewarning,2023,15(5):8-16. |
| |
| Authors: | WU Y ZOU Fengjuan GAO Lijie LIU Xiaobo MA Wenjun LIANG Xiaofeng ZHU Sui |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《环境监控与预警》浏览原始摘要信息 |
|
点击此处可从《环境监控与预警》下载全文 |
