基于随机森林模型的四川盆地臭氧污染预测

为研究四川盆地臭氧（O₃）污染长期变化,使用四川盆地18个城市的地面O₃浓度数据和气象观测数据,首先分析了2017~2020年间四川盆地O₃浓度的时空分布特征,再利用随机森林模型,筛选出影响O₃浓度变化的主导气象因子,构建了气象因子和O₃浓度之间的统计预测模型,并对2020年四川盆地城市群的O₃污染状况进行预测分析.结果表明：①2017~2020年间O₃浓度呈现波动变化趋势,2019年出现一个低值,2020年O₃浓度又有所回升.②气象影响因子中相对湿度、日最高温度和日照时数对O₃浓度变化具有重要意义,而风速、气压和降水量的重要性较低;同时,气象因子之间也存在着不同的线性关系,气压与其他气象要素呈现负相关性,而剩余气象要素之间正相关关系较为明显.③基于随机森林构建的O₃预测模型的拟合优度（R²）较高,展示出较好的预测性能,能够较好地预测O₃浓度的长时间逐日变化,具有良好的稳定性和泛化能力.④通过对四川盆地18城市的O₃浓度变化进行预测分析,结果表明除雅安外,所有城市预测模型的变量解释率均达到80%以上,说明随机森林模型能够较为准确地预测O₃浓度的变化趋势.