城市交通道路氮氧化物浓度的CART回归树预测研究

提出了基于CART回归树的氮氧化物(NO_x)浓度预测模型,利用杭州市延安路路边空气质量监测站2016年6—9月空气污染物监测数据和同期延安路路段车辆抓拍识别数据,通过数据处理、影响因素分析及CART回归树构造,搭建了NO_x浓度预测模型.实验分析结果表明,相对于支持向量机和BP神经网络预测模型,基于CART回归树的NO_x浓度预测模型的预测精度有大幅度提升,可决系数在0.92以上;同时,对环境条件差异较大的G20会议期间NO_x浓度进行预测分析,结果表明,CART回归树方法的预测精度比其它方法更高,能够适应不同条件下的预测需求.     

基于决策树的区域地块风险管控模式预测

针对传统地块风险管控模式确定存在效率低、成本高、缺乏系统性的缺陷,通过构建区域地块风险管控模式决策的特征数据集,并采用卡方自动交叉检验（CHAID）、穷举卡方自动交叉检验（E-CHAID）、分类与回归树（CART）3种决策树（DT）,探索不同DT算法应用于区域地块风险管控模式预测的可行性.结果表明,DT应用于区域地块风险管控模式预测是可行的.CART-DT在准确率（ACC）、精度（PRE）、召回率（REC）、F₁值方面的性能均显著优于CHAID-DT和E-CHAID-DT.CART的总体优化算法可能更适合区域地块风险管控模式的预测.区域保护目标（RPG）、区域污染物类型（RPT）、区域企业平均生产年限（RAPP）3项输入变量对CART-DT输出的重要性非常高;区域年平均风速（RAAWS）、区域地形地貌（RT）、区域土地增值潜力（RLVP）等11项输入变量对CART-DT输出的重要性较高;区域人口密度（RPD）、区域主导行业风险（RDIS）等6项输入变量对CART-DT的输出也有一定贡献.     

北京市空气质量动态统计预报系统

简要介绍了北京市空气质量动态统计预报系统的构成、特点,以及所采用的线性回归模型LRM,分类判别树CART模型,CART与LRM结合的模型,动态统计预报模型DSM,多点预报模型MPDSM 5种预报模型,分析了不同预报模型的特点和性能.所建立的动态统计预报模型DSM有良好的预报性能,减小了在高污染季节的预报误差;多点空气质量动态预报模型也具有较好的预报性能.      

非等间隔GIM（1）灰色预测模型及其应用

初步探讨了ＮＥＧＩＭ（１）应用于环境系统的可行性和合理性，并建立了该模型一元线性回归优化建模新方法。研究结果表明，该方法估计已往时序值和预测未来时序值都是可行的。     

基于TLSER关系预测POPs在PUF与空气中的分配系数

为开发一种简洁高效预测K_PA值的方法,本文收集了包含多氯联苯（PCBs）、苯类（Benzenes）、多环芳香烃（PAHs）和杀虫剂（Pesticides）等,共95种污染物在聚氨酯泡沫塑料（PUF）与空气中分配系数（K_PA）的实验值,基于理论线性溶解能关系（TLSER）,运用逐步多元线性回归（MLR）构建了预测K_PA值的模型.结果表明,模型的决定系数R_adj²为0.901,外部验证系数Q_ext²为0.748.TLSER模型有较好的拟合度、稳健性和预测能力,可以预测应用域内POPs在PUF和空气之间的分配系数.     

中国生物质燃气产能及碳减排潜力

基于回归分析预测模型和来源分类预测模型对2020~2050年生物质燃气产量和能源结构占比进行预测,并对碳减排潜力进行了情景分析.结果表明,回归分析预测偏差较小,其中逐步回归预测偏差值为9.34%,略小于多元线性回归的13.99%.来源分类模型的准确度高于回归模型.到2050年,沼气增幅约为176%.在低碳情景中提高生物质燃气应用比例最高可降低未来情景中10%的碳排放量,表明大力发展生物质燃气对于碳减排和碳循环有较为明显的正面效应.结合现状对经济,技术,市场等方面提出政策建议.为下一步发掘生物质燃气产品市场潜力提供理论指导.     

基于QSAR关系预测PCBs和部分PAHs在LDPE中的扩散系数

分子扩散系数（D）是获得污染物与环境介质之间的平衡分配系数（K）的重要前提,然而通过实验测定获取污染物的扩散系数的过程过于繁琐,因此需开发一种更为简单、高效、准确的预测模型来定量预测扩散系数.为此,本文搜集了一些多环芳香烃（PAHs）和多氯联苯（PCBs）在低密度聚乙烯膜（LDPE）上扩散系数（log D）的实测值,基于定量结构-活性关系（QSAR）,利用逐步多元线性回归（MLR）构建了预测D值的模型.模型的决定系数R_adj²为0.941,交叉验证系数Q_LOO²为0.934,外部系数Q_ext²为0.895.结果表明,该QSAR模型具有良好的拟合优度、稳健性和预测能力,其可用来预测应用域内有机污染物在LDPE膜上的扩散系数.     

基于STL的南海海表温度组合预测模型

海表温度（sea surface temperature,SST）是海洋科学研究的重要内容之一。SST的异常波动导致海洋灾害、气象灾害现象时有发生,SST的精确预测对海洋环境保护和海洋经济发展有重要意义。针对SST序列的季节性、非平稳性,首先利用周期趋势分解算法（seasonal-trend decomposition procedure based on loess, STL）对数据进行预处理,分解得到季节分量、趋势分量和残差分量子序列,依次选择相应的预测方法构建组合模型。季节分量应用具有时间嵌入编码模块的Transformer网络预测,充分挖掘序列全局信息,解决时间序列长时间依赖问题;趋势分量应用线性回归模型预测;残差分量应用自回归模型预测。选取南海海域单点SST数据,应用基于STL的SST组合预测模型建模,预测5 d的SST值。实验结果表明,本文模型在单点SST预测任务中,能够有效捕获SST变化规律,提高预测精度。     

非等间隔GM（1,1）模型及其预测应用

ＧＭ（１，１）模型是常用的一种时序环境预测方法，但非等间隔灰色模型（ＮＥＧＭ（１，１））预测的先例却较少。本文简介了ＮＥＧＭ（１，１）之建模思想，并以山东省１９８５￣１９９３年工业废水排放量为例，探讨其应用效果。结果表明，该方法对估计已逝时序值与预测未来时序值，都是可行的。     

沈阳市PM2.5浓度ARIMA-SVM组合预测研究

首先利用回归树分类方法,对采暖期与非采暖期各日进行气象类型划分,识别出易造成重污染天气的气象类型.其次分别在各气象类型内,以污染源排放量为自变量,利用差分自回归滑动平均与支持向量机（ARIMA+SVM）组合方法建立起PM_2.5浓度日均值预测模型,并选取2013年01月~2017年06月间,沈阳市区内9个环境监测点PM_2.5浓度日均值进行实证分析.结果表明,使用气象分类下的ARIMA+SVM组合模型对PM_2.5浓度日均值进行预测,相比于不划分气象类型时的普通机器学习模型,其模型预测值与实测值趋势的吻合度更高,且对峰-谷值的识别能力更强.在采暖期与非采暖期,组合模型均具有平均绝对误差更低、预测正确率更高的优点.     

基于决策树的土壤Zn含量预测

以浙江省富阳市为研究区域,基于184个土壤表层(0～20 cm)样点的Zn浓度数据（根据背景值划分为G1、G2、G3、G4和G5共5个层次）,并结合土壤类型、pH值、有机质、农业用地方式、工矿企业类型、道路和农村居民点等环境因子,采用CART方法挖掘Zn在土壤中的累积规则.利用获得的规则预测剩余41个土壤样点的Zn浓度,并进行精度评价.结果表明,采用CART方法获得的结果比普通Kriging插值方法获得的结果总精度提高了21.95%,在G2和G5层次上模拟精度相差不大,但在G1、G3和G4层次上前者明显高于后者.研究还表明,工矿企业类型在区分土壤Zn含量高低(G1、G2和G3、G4、G5)层次上起主要作用,G1和G2之间,G3、G4和G5之间的土壤Zn含量与pH值、土壤类型和土地利用方式有关.     

龙口市污灌区铅含量高光谱监测研究

为了研究土壤光谱预测重金属Pb含量的可行性,使用重采样、一阶微分、倒数对数、小波分析和去包络线5种光谱数据处理方法,分别测取了样本点的土壤光谱数据和Pb元素含量,并通过逐步回归模型实现了土壤光谱数据对Pb元素含量的预测。研究发现基于倒数对数数据处理方法建立的回归模型精度较高,这表明使用土壤光谱预测Pb元素含量是可行的。     

BP 神经网络模型在环境气象灾害预测中的应用研究--以湖南省为例

依据环境气象数据与自然灾害统计数据,建立BP神经网络模型,对湖南主要气象灾害（洪灾、旱灾、冰冻灾）及受灾经济损失进行实例预测,将在MATLAB7软件中的仿真结果与传统的多元线性回归模型分析结果进行比较和误差分析。结果表明,BP神经网络模型在洪灾、旱灾受灾率方面的预测效果和精度优于多元回归模型,而由于冰灾训练样本不足及经济损失与输入因子的线性相关程度高,在冰灾与受灾经济损失率方面稍逊于多元回归模型。     

我国东北黑土丘陵区小流域土壤有机质空间分布模拟

为探索小流域w(SOM)(SOM为土壤有机质)空间分布模拟的最佳方法,以我国东北黑土丘陵区海沟河小流域为例,借助地统计学和3S技术提取与w(SOM)显著相关的地形及环境因子,对海沟河小流域表层(0~20 cm)w(SOM)分别进行协同克里格插值、回归克里格插值和地理加权回归克里格空间插值模拟,并进行精度验证. 结果表明:我国东北黑土丘陵区海沟河小流域表层w(SOM)平均值为12.96 g/kg,空间变异程度为中等. 海拔、距水系距离均与w(SOM)显著相关,能够用来辅助w(SOM)的空间分布插值;与协同克里格插值结果相比,回归克里格对w(SOM)的插值精度提高了56.09%;地理加权回归克里格插值精度提高了90.87%;对地理加权回归克里格插值所产生的残差进行二次统计分析及合理插值,能够进一步提高插值模拟精度;将人类干扰因素纳入插值模型,是未来提高w(SOM)空间分布模拟精度的关键. 研究显示,地理加权回归克里格插值有效提高了w(SOM)空间插值模拟的精度,并且存在改进和提高的空间.      

基于环境因子和邻近信息的土壤属性空间分布预测

为探索乡镇尺度上土壤属性空间分布预测的最佳方法,以江西省万年县齐埠镇为例,借助四方位搜索法、地统计学和遥感影像分析技术提取环境因子（地形因子和植被覆盖指数）和邻近信息[w（有机质）与w（速效钾）],构建OK法（普通克里金法）、RK1法（仅基于环境因子的回归克里金法）以及RK2法（基于环境因子和邻近信息的回归克里金法）对齐埠镇耕地表层（0~20 cm）土壤w（有机质）、w（速效钾）空间分布进行预测.结果表明:齐埠镇土壤w（有机质）平均值为35.03 g/kg,w（速效钾）平均值为96.73 mg/kg,均为中等空间变异性.对62个样点进行建模,16个测试样点进行独立验证的误差分析表明,RK2法对土壤w（有机质）、w（速效钾）预测结果的均方根误差、平均绝对误差和平均相对误差较OK法分别降低了18.05%、18.01%、21.77%和7.25%、9.49%、9.84%;较RK1法分别降低了22.48%、20.91%、22.02%和9.27%、12.61%、13.52%.研究显示,RK2法明显提高了土壤w（有机质）、w（速效钾）空间分布模拟精度,并且存在改进和提高的空间.      

人工湿地中污染物去除的数学模型

讨论了人工湿地三种常用的数学模型(衰减方程、一级动力学模型和生态动力学模型),并对其研究历史、发展应用、理论基础、基本形式、建立方法,及其各自的优缺点做了分析。从中可以看出,人们对人工湿地去除污染物的内在机制尚缺乏定量化的了解,目前还很难对其的设计、运行和预测做出准确的评价,因此影响了这一高效低耗的生态污水处理技术的推广和应用,而人工湿地生态动力学模型的不断完善可以从根本上解决这一问题。     

多机器学习模型下逐小时PM2.5预测及对比分析

为了能及时、准确的估算出PM_2.5浓度及污染等级,分别构建了K最邻近模型（KNN）、BP神经网络模型（BPNN）、支持向量机回归模型（SVR）、高斯过程回归模型（GPR）、XGBoost模型和随机森林模型（RF）6个PM_2.5浓度预测模型,选取江西省赣州市为实验区域,采用2017~2018年逐小时气象站数据、PM_2.5浓度数据和Merra-2再分析数据开展PM_2.5预测实验.结果表明,缺少污染物观测数据时,利用能见度和气象因子等数据也能较好的预测PM_2.5浓度.在PM_2.5浓度预测精度方面,XGBoost模型最高,随机森林模型次之,高斯过程回归模型最差.6个模型的预测精度总体呈现冬季最高,秋季和春季次之,夏季最低.XGBoost模型的PM_2.5污染等级预测准确率高于其他模型,综合准确率达87.6%,并且XGBoost模型具有训练时间短,占用内存小等优点.XGBoost模型的变量重要性结果表明,能见度变量的重要性最高,相对湿度和时间变量次之.本研究可为环境部门准确预测、预报PM_2.5浓度提供参考.