基于多种机器学习算法构建的呼和浩特市臭氧气象条件评估指数对比分析.pdfVIP

第４１卷第２期气象与环境学报Ｖｏｌ.４１Ｎｏ.２

２０２５年４月ＪＯＵＲＮＡＬＯＦＭＥＴＥＯＲＯＬＯＧＹＡＮＤＥＮＶＩＲＯＮＭＥＮＴＡｐｒｉｌ２０２５

王俊秀ꎬ张智ꎬ李二杰ꎬ等.基于多种机器学习算法构建的呼和浩特市臭氧气象条件评估指数对比分析[Ｊ].气象与环境学报ꎬ

２０２５ꎬ４１(２):５６－６３.

ＷＡＮＧＪｕｎｘｉｕꎬＺＡＨＮＧｚｈｉꎬＬＩＥｒｊｉｅꎬｅｔａｌ.ＣｏｍｐａｒａｔｉｖｅａｎａｌｙｓｉｓｏｆｏｚｏｎｅｍｅｔｅｏｒｏｌｏｇｉｃａｌｃｏｎｄｉｔｉｏｎａｓｓｅｓｓｍｅｎｔｉｎｄｉｃｅｓｆｏｒＨｏｈｈｏｔｃｉｔｙ

ｂａｓｅｄｏｎｍｕｌｔｉｐｌｅｍａｃｈｉｎｅｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｓ[Ｊ].ＪｏｕｒｎａｌｏｆＭｅｔｅｏｒｏｌｏｇｙａｎｄＥｎｖｉｒｏｎｍｅｎｔꎬ２０２５ꎬ４１(２):５６－６３.

基于多种机器学习算法构建的呼和浩特市

臭氧气象条件评估指数对比分析

１２２３１４５

王俊秀张智李二杰姜学恭杨泽华王俊杰兰劲青

(１呼和浩特市气象局ꎬ内蒙古呼和浩特０１００２０ꎻ２河北省气象灾害防御和环境气象中心ꎬ河北石家庄０５００２１ꎻ

３内蒙古自治区气象科学研究所ꎬ内蒙古呼和浩特０１００５１ꎻ４遂宁市气象局ꎬ四川遂宁６２９０００ꎻ

５内蒙古自治区生态环境科学研究院ꎬ内蒙古呼和浩特０１００１１)

摘要:选用２０１８—２０２２年呼和浩特市Ｏ监测资料和气象资料ꎬ分别建立基于轻量梯度提升机(ＬｉｇｈｔＧＢＭ)、极端梯度提

３

升树(ＸＧＢｏｏｓｔ)、随机森林(ＲＦ)和长短期记忆网络(ＬＳＴＭ)的气象要素与日最大８ｈ平均Ｏ浓度(ρ(Ｏ－８ｈ))模型ꎬ对比各

３３

－３

模型的评价指标ꎬ选出最优模型并验证ꎮ结果表明:近５ａ呼和浩特市ρ(Ｏ－８ｈ)１６０ｇｍ出现在４—１０月ꎬ其中６月、７月

３

天数最多ꎬ５月、８月次之ꎻ模型因子中的日最高气温对ρ(Ｏ－８ｈ)预测结果的贡献最大ꎬ占比为４４％ꎻ模型模拟性能由高到低

３

分别为:ＬｉｇｈｔＧＢＭＬＳＴＭＸＧＢｏｏｓｔＲＦꎬＬｉｇｈｔＧＢＭ模型模拟结果最好ꎬ构建的臭氧气象条件评估指数与ρ(Ｏ－８ｈ)相关系

３

数最高达０８６ꎬ较中国气象局臭氧气象条件评估指数提升了１７８１％ꎬ可较好地评估呼和浩特市气象条件对Ｏ浓度变化的影响ꎮ

３

关键词:极端梯度提升树(ＸＧＢｏｏｓｔ)ꎻ随机森林(ＲＦ)ꎻ长短期记忆网络(ＬＳＴＭ)ꎻ轻量级梯度提升机(ＬｉｇｈｔＧＢＭ)

中图分类号:Ｘ５１５文献标识码:Ａｄｏｉ:１０.３９６９/ｊ.ｉｓｓｎ.１６７３￣５０３