基于随机森林模型的PM_(2.5)成分NO_(3)^(-)浓度估算

摘要

目的以硝酸根离子(NO_(3)^(-))为例,建立基于随机森林算法的PM_(2.5)成分浓度估算模型,并获得对NO_(3)^(-)浓度影响较大的因子,以及NO_(3)^(-)浓度的连续时间序列特征。方法研究以2013—2017年气象、土地利用、排放清单和PM_(2.5)、NO_(2)、PM_(10)、SO_(2)、CO空气质量监测数据为自变量,以NO_(3)^(-)浓度数据为因变量,利用值提取至点、反距离权重插值和设置1 km缓冲区等方法将各类数据集标准化。构建随机森林模型,并采用十折交叉法对模型拟合效果进行验证。结果模型验证结果表明,模拟值和真实值的拟合程度较高,日均、月均和年均浓度R^(2)分别为0.61,0.77和0.83。由NO_(3)^(-)浓度的模型特征参数重要性排序可得,PM_(2.5)质量浓度的重要性得分最高(0.387),反照率滞后2日(lag2)、反照率滞后1日(lag1)、10 m经向风速,边界层高度等气象因素与NO_(3)^(-)浓度变化关系较密切。此外,交通、民用、工业和电力部门排放的一次PM_(2.5)源均排在重要性前20名。结论多参数的随机森林模型在PM_(2.5)成分模拟中有一定的优越性;PM_(2.5)质量浓度、NO_(2)、10 m经向风速、生活源和交通源的一次PM_(2.5)源等因子对于NO_(3)^(-)浓度模拟影响较大;NO_(3)^(-)浓度存在一定的季节分布特征。