基于决策树模型的区域PM2.5污染管控时空识别——以关中地区为例
以关中地区为研究区域,基于时空聚类和决策树模型提出一种简易的PM2.5污染管控时空识别方法.首先使用时空聚类算法对冬防期PM2.5浓度进行聚类,识别不同的PM2.5污染区域,基于不同区域的气象数据分别构建决策树模型,识别不同区域影响PM2.5浓度最不利扩散的气象条件,分析最不利气象条件下的PM2.5浓度变化情况,以此确定各区域需要进行污染管控的时间段.结果表明:(1)时空聚类方法识别出关中地区PM2.5分布主要呈现出低海拔平原区域和海拔相对较高的山脉区域.(2)决策树模型分析结果显示:高海拔区域在Ⅰ-10(1.57 h≤日照时数<7.88 h、最大风速<3.72 m·s-1)和Ⅰ-11(日照时数<1.57 h、最大风速<3.72 m·s-1)两类气象条件下,区域的PM2.5浓度保持较高水平;低海拔区域在Ⅱ-10(小型蒸发量≥0.96 mm、平均相对湿度≥45.38%、日照时数<8.55 h、平均风速≥2.43 m·s-1)和Ⅱ-11(小型蒸发量<0.96 mm)两类气象条件下,区域的PM2.5浓度保持较高水平.(3)回归结果显示,关中地区低海拔区域和高海拔区域在最不利气象条件下,PM2.5浓度平均会持续上升4.76 d,直至最高浓度.
决策树模型、PM2.5、分区管控、重污染
39
P458.121;S161.2;U491.31
中国人民大学科学研究基金中央高校基本科研业务费专项资金资助项目;陕西省重点研发计划
2022-09-28(万方平台首次上网日期,不代表论文的发表时间)
共10页
1056-1065