基于机器学习算法的新冠疫情管控对河南省空气质量影响的模拟分析

作者：魏煜; 徐起翔^*; 赵金帅; 张瑞芹

来源：环境科学, 2021, 42(09): 4126-4139.

DOI：10.13227/j.hjkx.202012288

• 机器学习
• LSTM算法
• 新冠疫情
• 减排
• 空气质量

全国各地为了减少新冠疫情对社会和人民生活的影响,采取了必要的防疫防控措施,这些措施对空气质量的变化产生了重要的影响,此外空气质量的变化与气象条件也存在很大的关系.通过对河南省疫情前(1月1～26日)和疫情管控期(1月27日～2月29日)这两阶段的空气质量分析对比发现,整个河南省除了O3浓度上升了69.64%外,PM2.5、PM10、SO2、CO和NO2分别降低了36.89%、34.18%、19.43%、29.85%和58.51%;通过机器学习算法中的长短期记忆型网络(LSTM)模拟显示,气象条件引起污染物浓度的降幅大部分在15%～30%之间;人为排放减少引起的污染物浓度的降幅大部分在6%～40%之间.O3在疫情期间上升过程中,气象条件和人为排放两种因素分别占了34.84%和34.81%.结果表明,疫情管控期间,河南省空气质量总体上有所改善,但是也有重污染发生,其中O3的浓度对于疫情管控减排的影响不明显,呈负相关,需要进一步探索引起臭氧浓度上升的原因,以此帮助政府合理控制臭氧等前体污染物的减排比例.

• 单位
  郑州大学