基于XGBoost-ARIMA方法的PM2.5质量浓度预测模型的研究及应用

针对PM_2.5时间序列的非线性、高噪声、不平稳与波动性的特征，提出一种基于分解集成框架以及相关性去噪的新型XGBoost-ARIMA混合预测模型。以石家庄市为例，选择PM₁₀、SO₂等4个影响因子，PM_2.5为目标因子，构建混合预测模型以合理区分与处理时间序列中高频、低频数据，并通过Pearson相关性去噪方法对时间序列中的噪声因子进行去除。实例验证及与经典预测模型的对比研究表明，提出的新型XGBoost-ARIMA混合预测模型适用于大气污染治理以及环境政策制定所需的PM_2.5质量浓度日均数据预测，实现了针对大气污染物日均质量浓度的准确预测，能够为污染治理与政策制定提供科学的数据支撑；该方法与经典预测模型相比，具有更优的预测性能(平均绝对误差仅为10.465 18,且希尔不等系数低至0.085 89)。     

植被过滤带模式对内蒙农牧交错区截流减沙的影响及优选

为了提高农牧业交错带禾本植被过滤带截流减沙效果,在内蒙古中部巨宝庄试验基地设置过滤带茎间距(0.9cm、1.2cm、1.7cm)和宽度(3m、6m、9m)2个因素,包括空白对照共10个处理.研究了植被过滤带茎间距和宽度对截流减沙的响应,并运用熵权TOPSIS模型评价了不同植被过滤带模式的综合效益,筛选该地区禾本植被过滤带适宜茎间距和宽度.结果显示,在相同植被过滤带茎间距条件下,增加过滤带宽度显著降低径流与泥沙出流量,过滤带宽度为9m与6m处理比3m处理在过滤带末端平均泥沙含量分别减少了80.97%和60.66%,平均径流量分别降低了62.14%、33.59%,并分别推迟水沙出流时间7min和2min.在相同过滤带宽度下,减少植被茎间距有效提高截流减沙效果,其中过滤带茎间距为0.9cm处理比1.2cm与1.7cm处理在过滤带末端平均泥沙含量分别减少了35.4%和48.28%;平均径流量分别降低了16.5%和18.26%.茎间距与宽度对径流、泥沙拦截量影响极显著,过滤带宽度对径流影响更大,且两者交互作用对泥沙拦截量影响极显著.通过熵权TOPSIS评价得出过滤带宽度为9m,茎间距为0.9cm的禾本植被过滤带模式综合评分最高,经济与截流减沙综合效益最优,研究结果对当地植被过滤带建设有重要指导意义.