基于机器学习的重庆市空气质量影响分析及预测研究.pdfVIP

摘要

近年来，随着我国经济飞速发展，人们的生活水平得到显著提高，同时，日益严

重的环境问题对人们日常生产生活也造成了许多危害，比如空气质量日益下降，它不

仅影响着人们品质生活，还严重危害人们健康。因此，如何科学分析其影响因素和空

气质量之间的关系，对空气质量进行精准预测，已成为众多学者研究的重点课题之一。

本文研究内容可分为三个方面：（1）重庆市空气质量变化趋势及影响因素。采用

描述性统计方法系统分析了AQI指数和六大主要污染物在年、月、季不同时间尺度

变化特征。通过使用空气质量指数法，重点探究了重庆市年首要污染物演变规律。同

时结合气象因子和经济因素，运用MantelTest和灰色关联分析方法，深入剖析了影

响空气质量关键因素。（2）重庆市特殊时期空气质量影响分析。结合特殊时期（如疫

情封控及解除）的人为干预作用，进一步挖掘其对空气质量调控作用。选定特殊三个

典型时期进行对比分析，对比分析不同时期重庆市空气质量变化趋势，解析不同时期

气团轨迹和各污染物潜在来源，量化气象条件和人为活动对空气污染物浓度的影响。

（3）构建重庆市空气质量预测模型。运用随机森林模型和支持向量回归模型分别对

重庆市空气质量进行预测。其次，结合两者优势，提出一种RF-SVR串联组合模型。

最终，比较三个模型之间性能，筛选出适合重庆市当地的空气质量预测模型。

根据研究内容得出以下结论：（1）重庆市空气质量呈现明显季节性变化，冬季空

气质量最差，秋季空气质量最好；夏季，O3浓度最高，其余污染物浓度最低，而冬季

反之；2019-2023年重庆市年首要污染物类型逐渐由PM和NO2型首要污染物转向

PM和O型；从污染物层面上，PM、PM、NO、O对空气质量影响较大；从气

32.51023

象因素上，大气压、风速、温度、相对湿度对空气质量影响较大；从经济因素角度，

第二产业占GDP的比重对AQI的影响最显著，其次是人口密度、建成区绿化覆盖率、

一次电力和规模以上工业企业。（2）特殊时期研究期间大部分污染物来自当地的气团，

污染物主要潜在源来自四川省东北部的广安、达州和南充、重庆城市发展新区以及贵

州省遵义，在限制性政策完全解除后，潜在污染源高价值区域的分布呈现出地理扩张

的趋势；重庆地区气象对污染物影响程度更大，其中人为排放导致PM2.5浓度上升33%、

不利气象条件导致其上升40.2%，对于PM10，排放和气象贡献率分别为26.7%和43.3%。

（3）SVR模型、RF模型和RF-SVR模型预测AQI序列的拟合优度均达到了90%以

上；虽然SVR模型在对AQI预测时得到的结果是拟合优度R²最小，误差最大，但是

在后面组合模型残差修正中发挥出了优势；经过对比模型得出，使用RF-SVR预测模

型对当前AQI序列进行预测的效果最好，误差最小，准确性最高的结论。

本研究从多角度系统分析重庆市近年来的空气质量演变规律及其影响因素，结合

特殊背景（疫情防控），运用机器学习方法量化气象条件和人为干预对空气质量影响

权重，进一步挖掘其对空气质量调控作用。构建基于多因素耦合的空气质量预测模型，

通过筛选最优污染物因子和气象参数作为核心解释变量，同时添加人口、绿化率等经

济因素协变量。充分利用随机森林（RF）和支持向量机回归（SVR）两者模型之间优

势，提出基于RF-SVR串联模型用于预测空气质量，显著提高了模型预测精度，本研

究的顺利实施可为重庆市空气质量预报提供参考。

关键词：空气质量影响因素随机森林支持向量回归组合模型

万方数据

Abstract

Inrecentyears,withtherapiddevelopmentofChinaseconomy,peoplesliving

standardshavebeensignificantlyimproved,atthesametime,thei