基于机器学习的人为活动减小条件下中国大陆地区空气污染分析和模拟

作者：马敏劲; 谈昌蓉; 赵侦竹; 康国强

来源：兰州大学学报(自然科学版), 2021, 57(06): 743-752.

DOI：10.13885/j.issn.0455-2059.2021.06.005

• 新冠肺炎
• 空气质量
• 随机森林算法

分析2019年末新型冠状病毒肺炎疫情爆发以来,在人为活动减小条件下武汉、京津冀、长三角、珠三角等地区的大气污染状况,使用随机森林算法(RFA)对武汉、北京等城市的污染物分布进行模拟.结果表明,疫情前期,京津冀、长三角、关中地区及四川盆地颗粒物污染较为严重,空气质量指数(AQI)增长趋势明显,以PM2.5为首要污染物,自2月开始颗粒物质量浓度呈下降趋势, AQI减小,表明疫情期间各大城市停工停产使空气质量明显变好.武汉疫情期间ρ(PM2.5)呈降低趋势, RFA对疫情前后的ρ(PM2.5)的模拟效果较好,但对ρ(PM2.5)峰值的模拟结果偏低,对于ρ(PM2.5)<75μg/m3的时段模拟效果较好. RFA能较好地模拟出ρ(O3)的一般性变化趋势,对突发高质量浓度时段的模拟能力较弱.检验结果表明RFA的模拟结果平均拟合度指数高,均方根误差和平均绝对误差较小.

• 单位
  兰州大学