|
|||||
|
|
| 基于极端梯度提升算法的西安市逐小时PM2.5浓度预报研究 | |
| 作者姓名： | 张煦庭 刘慧 刘瑞芳 巨菲 刘嘉慧敏 高星星 黄少妮 王楠 |
| 作者单位： | 1. 陕西省农业遥感与经济作物气象服务中心;2. 陕西省气象局秦岭和黄土高原生态环境气象重点实验室;3. 陕西省气象台;4. 西安市气象局;5. 陕西省气象科学研究所 |
| 基金项目： | 陕西省自然科学基础研究计划项目(2021JQ-965、2022JQ-249、2022JQ-294); |
| 摘 要： | 利用西安市2016—2021年逐小时PM2.5浓度监测数据和气象观测数据,基于极端梯度提升机器学习算法模型(extreme Gradient Boosting, XGBoost),选择气象因子和时间因子作为特征变量,对西安市逐小时PM2.5浓度进行预报试验。结果表明：西安市PM2.5浓度与平均气温和能见度显著负相关,冬季PM2.5浓度与相对湿度和露点温度显著正相关,偏东风更易诱发重污染天气。西安市12月底至翌年1月初空气污染频发,但PM2.5浓度总体逐年降低。冬季PM2.5浓度的双峰形日变化最明显,最高值分别出现在凌晨和11时。西安市PM2.5浓度变化存在“周末效应”。模型能够较为真实地反映PM2.5浓度量级和演变趋势的变化,预报值与实况值之间的决定系数为0.77、平均绝对误差为12.79μg·m-3、均方根误差为18.68μg·m-3。模型秋冬季表现较为稳定,预报效果... |
| 关 键 词： | PM2.5浓度 极端梯度提升算法 机器学习 气象因子 预报 |