科研之友
微信
新浪微博
Facebook
分享链接
摘要
提出了一种基于多维高斯贝叶斯分类算法的复杂系统影响因素的分析方法，通过大数据方法建立不同PM2.5范围的分类模型，结合马氏距离开展影响因素的关键性分析。以合肥市2013—2018年间的天气与空气质量数据为基础，筛选了PM10、SO2、NO2、CO、O3等8个大气污染的关键影响因素，采用散点矩阵对PM2.5与这些影响因素的相关性进行了分析。利用高斯贝叶斯分类器建立了基于8个主要参量的PM2.5大气污染分析模型，研究发现，PM2.5与CO浓度具有较强的相关性，对NO2具有选择性，O3对PM2.5具有负相关性，而CO与SO2对PM2.5具有某种竞争机制。
- 单位
