基于轻量级梯度提升机的南京大气臭氧浓度预测

摘要：

采用南京地区2015年1月至2016年12月期间的空气质量数据和常规气象资料数据,分析了南京地区O3浓度变化特征,建立基于轻量级梯度提升机(LightGBM)的O3浓度预测模型,并将该模型与支持向量机、循环神经网络和随机森林等3种在空气质量预测方向上常用的机器学习方法进行了对比,验证模型的有效性和可行性.结果表明,南京地区O3浓度变化具有显著的季节性差异,浓度变化受前期浓度、气象因子和其他空气污染物浓度的共同影响.LightGBM模型较为准确地预测了南京地区地面O3浓度(R2=0.92),且该模型的预测精度和计算效率等性能优于其他模型.尤其是在容易出现臭氧污染的高温天气,该模型预测准确性明显高于其他模型,模型稳定性较好.LightGBM具有预测准确度高、稳定性好、有良好的泛化能力和运算时间短等特点,在O3浓度预测方面具有显著的优势.

关键词：轻量级梯度提升机(LightGBM)、地面臭氧、臭氧浓度预测、随机森林(RF)、循环神经网络(RNN)

所属期刊栏目：44

分类号：X515(大气污染及其防治)

资助基金：国家自然科学基金;国家重点研发计划;江苏省高校青蓝工程项目

在线出版日期：2023-07-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：3685-3694