基于BOA-ELM的区域VOCs浓度空间插值方法研究

作者：黄光球; 虞欣; 陆秋琴

来源：安全与环境学报, 2022, 1-11.

DOI：10.13637/j.issn.1009-6094.2022.1342

• 环境工程学
• 挥发性有机物（VOCs）
• 空间插值
• 蝴蝶优化算法（BOA）
• 极限学习机（ELM）

针对目前VOCs浓度插值方法单一，插值精度不高，为了提升区域内VOCs浓度空间插值的精度，本文构建了BOA-ELM空间插值模型，首次将神经网络模型应用于VOCs浓度空间插值。首先对研究区域进行网格划分，其次利用BOA-ELM进行插值研究，同时讨论气象特征对于空间插值的重要性，最后将VOCs浓度空间插值结果可视化。以陕西省为例，对VOCs浓度进行插值，结果显示：加入气象特征变量能提高模型插值精度，且与原始ELM模型以及传统插值方法IDW对比显示BOA-ELM模型的均方根误差(ZRMSE)、平均绝对误差(ZMAE)、平均绝对百分比误差(ZMAPE)均为最小值，分别为：8.69μg/m3、6.72μg/m3、7.10%，优于对比模型。说明BOA-ELM模型能很好应用于VOCs浓度空间插值，为大气污染物的空间插值提供了新的思路与方法。

• 单位
  西安建筑科技大学