关键词:
机器学习算法
臭氧
随机森林模型
气象因子
大气污染物
摘要:
臭氧(O_(3))是表征大气氧化性和衡量光化学污染程度的重要指标,长期暴露在高浓度O_(3)环境中,生物体会受到严重危害.银川市位于西北高海拔地区,夏季持续高温且紫外线辐射强烈,在光化学反应下极易生成O_(3),导致O_(3)污染频发.因此,亟待开展O_(3)污染的研究,探明影响O_(3)浓度变化的关键因子.本研究依托宁夏银川城市生态系统国家定位站,以银川市凤凰公园为研究对象,开展野外同步定位观测试验,获取O_(3)浓度、气象因子和大气污染物等数据,应用机器学习算法中的随机森林模型,研究影响O_(3)浓度变化的关键气象因子和大气污染物.结果表明:(1)建立的随机森林模型,其方差解释率在88%以上,且观测值与拟合值间的决定系数R^(2)为0.974,均方根误差为85.8,拟合效果良好;(2)通过对模型筛选出的影响O_(3)浓度的关键因子进行重要性排序,对模型贡献较大的4个变量分别为相对湿度(27.8)、NO_(2)(0.1)、NO_(2)(16.1)和PM_(2.5)(12.7);(3)各变量与O_(3)浓度之间存在显著的非线性关系,其中氮氧化物(NO、NO_(2))对O_(3)浓度影响的阈值效应最大,其次为相对湿度和温度.因此,应用随机森林模型可从非线性角度阐明O_(3)浓度与气象因子和大气污染物的关系,明确影响O_(3)浓度的关键因子及其阈值效应,从而为高海拔地区O_(3)污染防治提供科学依据和技术支撑.