應用機器學習算法的成都市冬季空氣污染預報研究

作者：孫蘇琪,王式功,羅彬,杜云松,張巍

摘要：利用2014年3月至2017年2月成都市8個環境監測站的PM 2.5、PM 10、SO 2、NO 2、CO、O 3共6種污染物質量濃度資料以及T639全球中期數值預報模式產品,采用兩種機器學習算法—遞歸特征消除法(Recursive feature elimination,RFE)和隨機森林方法,構建了成都市冬季5種(O 3除外,因為其冬季污染較輕)污染物濃度的預報模型,并對模型的預報效果進行了評價。結果表明:基于RFE模型的5種污染物預報值與實測值的均方根誤差值分別為47.58μg·m^-3、72.10μg·m^-3、8.87μ·m-3、0.59 mg·m^-3、19.84μg·m^-3;基于隨機森林模型的5種污染物預報值與實測值均方根誤差值分別為23.94μg·m^-3、20.98μg·m^-3、2.40μg·m^-3、0.16 mg·m^-3、8.09μg·m^-3,隨機森林模型對各污染物濃度的預報效果均優于RFE模型,說明該預報方法性能良好,可為成都市冬季空氣質量業務化預報提供技術支持和防控依據。

發文機構：成都信息工程大學大氣科學學院/高原大氣與環境四川省重點實驗室 貴州省遵義院士工作中心氣候環境與醫療康養重點實驗室 四川省環境政策研究與規劃院 四川省生態環境監測總站

關鍵詞：空氣污染預報遞歸特征消除法隨機森林方法Air pollution forecastRecursive feature eliminationRandom forecast method

分類號： X51[環境科學與工程—環境工程]