基于梯度提升回归树算法的地面臭氧浓度估算

摘要：

将机器学习中的梯度提升回归树(GBRT)算法应用到中国地区地面O3浓度制图中,利用地面O3浓度观测数据,结合WRF气象数据、MODIS植被归一化指数以及高程人口数据建立训练预测数据集.通过反向变量选择法选取模型最佳特征变量对其进行训练,十折交叉验证结果:决定系数R2=0.89、均方根误差RMSE=4.75μg/m3.同时对全国O3人口暴露水平进行评估.结果表明:在暴露强度上,我国人口加权O3浓度值排在前5的省依次是山东、河南、江苏、河北、上海,均值浓度为94.48μg/m3.在暴露持续时间上,非达标天数最多的5个省依次是河南、山东、河北、宁夏、北京,一年内有42％的天数处于非达标的状态.

关键词：臭氧(O3)、梯度提升回归树(GBRT)、人口暴露、时空分布

所属期刊栏目：40

分类号：X511(大气污染及其防治)

资助基金：国家自然科学基金项目;徐州重点研发计划社会发展

在线出版日期：2020-04-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：997-1007