-
题名集成学习算法结合经验模型预测城市大气污染物排放
- 1
-
-
作者
杏艳
宋新宇
李飞
李茂刚
郭琦
张霖琳
-
机构
陕西省环境介质痕量污染物监测预警重点实验室
陕西省环境监测中心站
西安市生态环境局灞桥分局环境监测站
西安石油大学化学化工学院
中国环境监测总站
-
出处
《中国环境监测》
北大核心
2025年第3期14-23,共10页
-
基金
陕西省创新能力支撑计划-碳监测与评估创新团队(2024RS-CXTD-48)
陕西省重点研发计划重点产业链项目(2024SF-ZDCYL-05-06)
陕西省环境介质痕量污染物监测预警重点实验室开放基金项目(SHJKFJJ202303)。
-
文摘
城市污染排放的智能化监测对于城市环境污染治理具有重要意义。城市污染物排放量变化具有复杂的非线性、随机性和趋势性特点,因此,基于传统单变量模型的预测,难以满足城市污染排放精准预测的需求。为提高污染物排放量的预测准确性,提出了一种基于集成学习算法结合经验模型的城市污染物排放数据智能化精准预测方法,收集了陕西省2017—2021年各市(区)污染物排放数据作为输入变量,构建多个决策树模型。在此基础上,搭建了基于集成学习的随机森林模型。此外,基于经验模型预估了2025年设备数量、处理能力和预计运行费用等。最后,基于以上数据及模型预测了2025年的污染物排放量,包括工业废气排放总量、SO_(2)排放量、氮氧化物排放量、烟尘(颗粒物)排放量及挥发性有机物排放量,并分析了污染趋势。研究结果表明:该研究构建的基于集成学习算法的城市污染物排放模型具有良好的预测性能,对上述污染物排放量预测的决定系数(R^(2))均大于等于0.94。由此可见,该模型可以实现实验区域污染排放的精准预测,为城市污染防治提供方法参考。
-
关键词
污染物排放
集成学习
回归模型
经验模型
预测精度
-
Keywords
pollutant emissions
ensemble learning
regression model
empirical model
prediction accuracy
-
分类号
X823
[环境科学与工程—环境工程]
-
