安徽PM2.5时空分布特征及预测模型的研究

作者：杨小兵; 杨峻; 华华; 黄晓英; 张成扬^*

来源：数学的实践与认识, 2020, 50(01): 285-291.

• PM2.5
• 时空分布
• 支持向量机
• 神经网络
• 预测

为了解安徽省PM2.5分布特征、定量分析机器学习算法在预测PM2.5浓度方面的准确性.针对安徽省78个空气及气象监测站点的数据进行统计分析,并从时间因子、其它空气污染物浓度、气象因子三个方面,筛选出月、周、时,PM10、CO、SO2、N20,风速、气温、相对湿度、降水量、当前PM2.5浓度,共计12个自变量,利用K折交叉验证,分别构建基于支持向量机、神经网络的预测模型.表明安徽省PM2.5浓度总体呈现出北高南低,冬高夏低的特征,浓度值较高的月份出现在1、2、11、12,周变化规律各地有异同,时变化规律各地较为一致,8时至17时下降,其余时段上升.模拟结果显示支持向量机模型预测效果较好,其预测值与实测值的均方根误差控制在20以内,拟合指数在0.8以上.

• 单位
  东南大学; 自动化学院; 安徽省气象局; 广西科技大学