基于机器学习的长沙市空气污染物浓度预报研究

作者：陈金车; 迪里努尔·牙生; 王田宇; 王金艳^*; 孙彩霞; 谢祥珊; 冯薇

来源：环境保护科学, 2022, 48(04): 103-112.

DOI：10.16803/j.cnki.issn.1004-6216.2022.04.017

• 空气污染
• 预报
• 随机森林
• 支持向量机
• 机器学习

基于2014～2019年长沙市6种空气污染物日均浓度的监测数据、同期的气象数据，利用随机森林重要性评估的方法对影响污染物浓度的预报因子进行筛选，构建了基于随机森林算法和支持向量机算法的2种机器学习预报模型对6种空气污染物浓度分别进行预报。结果表明：各污染物浓度预报结果的均方根误差随着AQI指数的增加而变大；经随机森林变量筛选优化之后2种模型对各种污染物浓度的预报准确率都有所提升,且预报准确率都随着预报时效的增大而降低。整体而言，支持向量机回归模型对长沙市空气污染预报具有更强的泛化能力，误差更小。

• 单位
  兰州市气象局; 兰州大学