中国环境科学

作者：李江涛, 安兴琴, 李清勇, 余浩敏, 汪巍, 周心源, 王超, 崔萌

单位：1. 中国气象科学研究院大气成分与环境气象研究所, 北京 100081;2. 北京交通大学计算机与信息技术学院, 北京 100044;3. 中国环境监测总站, 北京 100012;4. 中国人民解放军 78127部队, 四川 成都 610000

关键词：XGBoost,大气化学模式WRF-Chem,O3,PM2.5

基金：国家自然科学基金资助项目（41975173）；国家重点研发计划（2017YFC0210006）

采用人工智能算法XGBoost结合大气化学模式WRF-Chem，利用北京地区大气污染物的模拟结果及站点监测数据，构建XGBoost统计预报算法模型，并对两种大气污染物（PM2.5和O3）进行优化模拟，同时分析其特征贡献要素.结果表明，该统计预报模型能够很好地优化大气化学模式模拟的大气污染物浓度，降低模拟误差，对于北京地区站点模拟浓度优化呈现出城区>近郊>远郊的优化特点，且算法模型对O3浓度优化程度更高，优化后相关系数提高达128%.此外，通过特征要素的贡献量分析表明，CO是影响O3优化的重要特征变量，城郊区特征贡献得分均高达1000以上，Q2（近地面2m比湿）是影响PM2.5优化的重要气象特征变量，城郊区特征贡献得分分别为950和824.

来源：2021年第12期

《中国环境科学》期刊编辑部

查看中国环境科学杂志2021年第12期