| 基于随机森林模型的四川盆地臭氧污染预测 |
| |
| 引用本文： | 杨晓彤,康平,王安怡,臧增亮,刘浪.基于随机森林模型的四川盆地臭氧污染预测[J].环境科学,2024,45(5):2507-2515. |
| |
| 作者姓名： | 杨晓彤 康平 王安怡 臧增亮 刘浪 |
| |
| 作者单位： | 国防科技大学气象海洋学院, 中国气象局高影响天气重点开放实验室, 长沙 410000;成都信息工程大学大气科学学院, 高原大气与环境四川省重点实验室, 成都 610225 |
| |
| 基金项目： | 四川省重点研发项目（2023YFG0129）；国家外国专家项目（G2022036008L）；成都市重大科技应用示范项目（2020-YF09-00031-SN）；国防科技大学自主创新科学基金项目（22-ZZCX-081） |
| |
| 摘 要： | 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.
|
| 关 键 词： | 随机森林 臭氧污染 预测 四川盆地 气象因子 |
| 收稿时间： | 2023/4/25 0:00:00 |
| 修稿时间： | 2023/7/7 0:00:00 |
Prediction of Ozone Pollution in Sichuan Basin Based on Random Forest Model |
| |
| YANG Xiao-tong,KANG Ping,WANG An-yi,ZANG Zeng-liang,LIU Lang.Prediction of Ozone Pollution in Sichuan Basin Based on Random Forest Model[J].Chinese Journal of Environmental Science,2024,45(5):2507-2515. |
| |
| Authors: | YANG Xiao-tong KANG Ping WANG An-yi ZANG Zeng-liang LIU Lang |
| |
| Institution: | High Impact Weather Key Laboratory of China Meteorological Administration, College of Meteorology and Oceanography, National University of Defense Technology, Changsha 410000, China;Plateau Atmosphere and Environment Key Laboratory of Sichuan Province, School of Atmospheric Sciences, Chengdu University of Information Technology, Chengdu 610225, China |
| |
| Abstract: | |
| |
| Keywords: | random forest ozone pollution prediction Sichuan Basin meteorological factors |
|
| 点击此处可从《环境科学》浏览原始摘要信息 |
| 点击此处可从《环境科学》下载免费的PDF全文 |
|
