基于机器学习方法的臭氧和PM2.5污染潜势预报模型——以成都市为例

作者：王馨陆; 黄冉^*; 张雯娴; 吕宝磊; 杜云松; 张巍; 李波兰; 胡泳涛

来源：北京大学学报(自然科学版), 2021, 57(05): 938-950.

DOI：10.13209/j.0479-8023.2021.070

• 多元线性回归
• BP神经网络
• 随机森林
• 中长期潜势预报

以成都市为例,以多项可能影响污染物时空分布的变量为潜在预报因子,筛选关键入模因子,利用2016—2018年数据为训练集,采用多元线性回归、BP神经网络和随机森林算法,建立成都市夏季(4—8月)臭氧及冬季(11—2月)PM2.5污染潜势模型,并利用2019年数据对模型的中长期污染潜势浓度的预报性能进行评估。结果表明,建立的多元线性回归、BP神经网络和随机森林模型对成都市臭氧及PM2.5的短期(1～3天)污染潜势都具有良好的预报效果,对7～15天的中长期潜势预报表现稳定。其中,多元线性回归模型和随机森林模型分别对臭氧和PM2.5表现出相对最佳的预报性能。