收藏本站
《华东师范大学》 2018年
收藏 | 手机打开
二维码
手机客户端打开本文

基于随机森林的长江三角洲PM_(2.5)浓度空间模拟及暴露风险评估

赵佳楠  
【摘要】:土地利用回归(LUR)模型是目前模拟PM_(2.5)分布的常用方法,但该方法以多元线性回归进行建模,未考虑自变量与PM_(2.5)浓度的非线性的复杂关系,常引起多重共线性。为提高模拟的准确性,本文采用随机森林算法训练模型,进行长江三角洲地区PM_(2.5)浓度的空间分布的模拟。并根据PM_(2.5)浓度空间分布的模拟结果,运用PM_(2.5)人口暴露风险评估方法,对长江三角洲地区PM_(2.5)人口暴露风险进行评估。研究表明:(1)本文采用随机森林方法改进的土地利用回归模型(下文简称随机森林优化模型)来对长江三角洲地区PM_(2.5)浓度空间分布进行模拟。模拟的效果采用相关系数(R)、均方根误差(Root Mean Squared Error,RMSE)、平均绝对误差(Mean Absolute Error,MAE)以及拟合指数(Index of Agreement,IA)来评价。其中R和IA越大,RMSE和MAE越小,模型模拟的效果就相对较好。经检验集检验模型效果,该模型的IA、MAE、RMSE、R分别为0.854、4.757、5.871、0.831。为了说明该模型的高效性及准确性,本文将该模型与传统的土地利用回归(LUR)模型及SVM改进的土地利用回归模型进行比较。使用LUR模型,检验集的IA、MAE、RMSE、R分别为0.702、5.862、7.58、0.647。经计算,使用SVM改进的土地利用回归模型(SVM优化模型),其检验集的IA、MAE、RMSE、R分别为0.825、5.521、6.871、0.714。相比之下,随机森林在进行PM_(2.5)浓度空间模拟时,检验集的Ia和R较大,而MAE和RMSE较小,因此效果更好。(2)2015年长江三角洲地区PM_(2.5)年平均浓度呈现北高南低,西高东低的总体格局,部分地区高值集聚,具有连片分布的特点;江苏省各市的PM_(2.5)浓度明显比浙江省和上海市更高,尤其是泰州、无锡、扬州、常州等苏南、苏中地区;浙江省内的PM_(2.5)浓度较高的地市为湖州、绍兴、嘉兴,状况最好的则为舟山和台州;杭州和宁波虽然全市的平均值不高,但也存在明显的高值区。(3)基于PM_(2.5)空气质量浓度及人口分布下的人口PM_(2.5)暴露风险,长江三角洲地区人口PM_(2.5)暴露风险从南往北,从东往西呈现梯度递增现象,各城市中心城区是人口PM_(2.5)暴露风险高值区。从市域分析,以杭州市为例,人口PM_(2.5)暴露风险大致具有同心圆结构,中心往外减弱,且西南区域的风险要比东北区域弱;中心城区呈现连片的高风险区,在中心城区外围的副城具有斑块状的高风险区;城市内部具有轴状的相对高风险区,如主要交通路线及钱塘江沿线带。而基于人口加权平均的PM_(2.5)暴露风险可评估单元间空气污染对公众健康的影响强度。泰州、无锡、常州的风险值最大,应加大对泰州、无锡、常州等市的PM_(2.5)暴露风险的防控,此外杭州、宁波、绍兴、上海等地的人口高度集中于PM_(2.5)浓度高值区,需重点关注。(4)利用PM_(2.5)空气质量浓度、人口暴露强度指标,可对长江三角洲地区的PM_(2.5)人口暴露风险进行初步的空间格局分析;人口加权平均的PM_(2.5)人口暴露风险评估可对各行政单元的PM_(2.5)人口暴露风险进行对比,筛选PM_(2.5)人口暴露风险重点防控城市;利用人口暴露强度可进一步监测重点防控城市的重点区域,适合于城市内部的区域PM_(2.5)暴露风险评估。综合以上指标进行PM_(2.5)人口暴露风险评估,对于大气污染的治理以及人居环境的改善具有实际价值。总体而言,本文具有以下研究特色:采用多元数据,将AOD数据与常用的土地利用回归数据结合;在传统的LUR模型中融入了随机森林算法,在方法上具有一定的创新;对于PM_(2.5)人口暴露风险,结合已有的多种评价方式进行多角度分析,更具科学性。
【学位授予单位】:华东师范大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:X513;X820.4

【参考文献】
中国期刊全文数据库 前10条
1 赵佳楠;徐建华;卢德彬;杨东阳;毛婉柳;;基于RF-LUR模型的PM_(2.5)空间分布模拟——以长江三角洲地区为例[J];地理与地理信息科学;2018年01期
2 谭敏;刘凯;柳林;朱远辉;王大山;;基于随机森林模型的珠江三角洲30 m格网人口空间化[J];地理科学进展;2017年10期
3 喻其炳;李勇;白云;姚行艳;成志伟;李川;;基于聚类分析与偏最小二乘法的支持向量机PM_(2.5)预测[J];环境科学与技术;2017年06期
4 徐杰;匡汉祎;王国强;陈明;陆琳;;PM2.5与空气相对湿度间关系浅析[J];农业与技术;2017年09期
5 张怡文;敖希琴;时培俊;郭傲东;费久龙;陈家丽;;基于Pearson相关指标的BP神经网络PM2.5预测模型[J];青岛大学学报(自然科学版);2017年02期
6 江曲图;何俊昱;王占山;叶观琼;陈倩;肖璐;;基于LUR/BME的海岸带地区PM_(2.5)时空特性研究[J];中国环境科学;2017年02期
7 毛婉柳;徐建华;卢德彬;杨东阳;赵佳楠;;2015年长三角地区城市PM_(2.5)时空格局及影响因素分析[J];长江流域资源与环境;2017年02期
8 许刚;焦利民;肖丰涛;赵素丽;张欣;;土地利用回归模型模拟京津冀PM_(2.5)浓度空间分布[J];干旱区资源与环境;2016年10期
9 汉瑞英;陈健;王彬;吴达胜;唐敏忠;;利用LUR模型模拟浙江省PM_(2.5)质量浓度空间分布[J];科技通报;2016年08期
10 戴昭鑫;张云芝;胡云锋;董昱;;基于地面监测数据的2013~2015年长三角地区PM_(2.5)时空特征[J];长江流域资源与环境;2016年05期
中国博士学位论文全文数据库 前1条
1 杨艳;基于GEOS-Chem模型的大气二氧化碳循环模拟研究[D];中国地质大学(北京);2010年
中国硕士学位论文全文数据库 前2条
1 王飞龙;基于机器学习的北京PM2.5预测算法[D];天津工业大学;2017年
2 罗艳青;PM_(2.5)浓度土地利用回归建模关键问题研究[D];中南大学;2014年
【共引文献】
中国期刊全文数据库 前10条
1 Xin Tian;Pinhua Xie;Jin Xu;Ang Li;Yang Wang;Min Qin;Zhaokun Hu;;Long-term observations of tropospheric NO_2, SO_2 and HCHO by MAX-DOAS in Yangtze River Delta area, China[J];Journal of Environmental Sciences;2018年09期
2 刘雯;张晓春;李俊;金琪;王海军;荆俊山;;武汉市观象台2013-2016年PM_(2.5)质量浓度变化及其与气象因子的相关分析[J];气象与环境科学;2018年02期
3 宓科娜;庄汝龙;梁龙武;段艳平;高峻;;长三角PM_(2.5)时空格局演变与特征——基于2013-2016年实时监测数据[J];地理研究;2018年08期
4 景悦;孙艳玲;徐昊;陈莉;张辉;高爽;付宏臣;毛健;;基于混合效应模型的京津冀地区PM_(2.5)日浓度估算[J];中国环境科学;2018年08期
5 陈佳澄;钟史明;;1961-2010年南京市相对湿度变化特征分析[J];能源研究与利用;2018年04期
6 顾康康;祝玲玲;;合肥市主城区PM_(2.5)时空分布特征研究[J];生态环境学报;2018年06期
7 隆蓉;安黔江;谭荔;;重庆市空气质量变化趋势及其在灰色系统下的预测[J];铜仁学院学报;2018年06期
8 柏玲;姜磊;陈忠升;;长江中游城市群PM_(2.5)时空特征及影响因素研究[J];长江流域资源与环境;2018年05期
9 邵琦;陈云浩;李京;;基于卫星遥感和气象再分析资料的北京市PM_(2.5)浓度反演研究[J];地理与地理信息科学;2018年03期
10 钟佩瑢;黄诗淳;朱耀辉;李阳;马露;;土地利用回归模型在大气NO_2浓度空间分布模拟中的应用[J];环境与健康杂志;2018年04期
中国硕士学位论文全文数据库 前2条
1 赵佳楠;基于随机森林的长江三角洲PM_(2.5)浓度空间模拟及暴露风险评估[D];华东师范大学;2018年
2 刘武;基于LUR模型的长沙市城区NO_2和PM_(10)浓度的时空分布模拟[D];湖南大学;2016年
【二级参考文献】
中国期刊全文数据库 前10条
1 江曲图;何俊昱;王占山;叶观琼;陈倩;肖璐;;基于LUR/BME的海岸带地区PM_(2.5)时空特性研究[J];中国环境科学;2017年02期
2 毛婉柳;徐建华;卢德彬;杨东阳;赵佳楠;;2015年长三角地区城市PM_(2.5)时空格局及影响因素分析[J];长江流域资源与环境;2017年02期
3 王珂靖;蔡红艳;杨小唤;;多元统计回归及地理加权回归方法在多尺度人口空间化研究中的应用[J];地理科学进展;2016年12期
4 许刚;焦利民;肖丰涛;赵素丽;张欣;;土地利用回归模型模拟京津冀PM_(2.5)浓度空间分布[J];干旱区资源与环境;2016年10期
5 汉瑞英;陈健;王彬;吴达胜;唐敏忠;;利用LUR模型模拟浙江省PM_(2.5)质量浓度空间分布[J];科技通报;2016年08期
6 戴昭鑫;张云芝;胡云锋;董昱;;基于地面监测数据的2013~2015年长三角地区PM_(2.5)时空特征[J];长江流域资源与环境;2016年05期
7 姜澒月;闫亚琛;李海蓉;;中国2013年城市大气污染现状及探索性空间数据分析[J];安全与环境学报;2016年02期
8 李勇;白云;李川;;大气污染物SO_2预测模型研究综述[J];四川环境;2016年01期
9 朱亚杰;李琦;侯俊雄;范竣翔;冯逍;;运用贝叶斯方法的PM_(2.5)浓度时空建模与预测[J];测绘科学;2016年02期
10 汉瑞英;陈健;王彬;;利用LUR模型模拟杭州市PM_(2.5)质量浓度空间分布[J];环境科学学报;2016年09期
中国博士学位论文全文数据库 前3条
1 高程达;温带干旱地区近地层CO_2浓度和土壤CO_2通量[D];北京林业大学;2008年
2 张文菊;典型湿地生态系统碳蓄积与碳循环模拟[D];华中农业大学;2006年
3 张龙军;东海海-气界面CO_2通量研究[D];中国海洋大学;2003年
【相似文献】
中国期刊全文数据库 前10条
1 陈一诺;董绍华;;基于随机森林算法的管道缺陷预测方法[J];油气储运;年期
2 刘阳;杜华军;岳子涵;马杰;吕武;;基于随机森林的无人机检测方法[J];计算机工程与应用;年期
3 胡蝶;;基于随机森林的债券违约分析[J];当代经济;2018年03期
4 温博文;董文瀚;解武杰;马骏;;基于改进网格搜索算法的随机森林参数优化[J];计算机工程与应用;2018年10期
5 赵艺淞;杨昆;王保云;黎晓路;;随机森林在城市不透水面提取中的应用研究[J];云南师范大学学报(自然科学版);2017年03期
6 吴辰文;梁靖涵;王伟;李长生;;一种顺序响应的随机森林:变量预测和选择[J];小型微型计算机系统;2017年08期
7 顾娟;林敏;鞠桂玲;;基于随机森林回归的军械器材需求预测[J];自动化应用;2017年09期
8 刘迎春;陈梅玲;;流式大数据下随机森林方法及应用[J];西北工业大学学报;2015年06期
9 罗超;;面向高维数据的随机森林算法优化探讨[J];商;2016年04期
10 杨晓峰;严建峰;刘晓升;杨璐;;深度随机森林在离网预测中的应用[J];计算机科学;2016年06期
中国重要会议论文全文数据库 前10条
1 尤东方;赵杨;;存在混杂时高维数据的随机森林分析[A];2017年中国卫生统计学学术年会论文集[C];2017年
2 张涛;李贞子;武晓岩;李康;;随机森林回归分析方法及在代谢组学中的应用[A];2011年中国卫生统计学年会会议论文集[C];2011年
3 吕洁;;基于随机森林算法对内蒙古地区地面逐日平均温度的估算[A];第34届中国气象学会年会 S20 气象数据:深度应用和标准化论文集[C];2017年
4 张炜;;天津市人才吸引力影响要素评价——基于随机森林法的检验分析[A];发挥社会科学作用 促进天津改革发展——天津市社会科学界第十二届学术年会优秀论文集(中)[C];2017年
5 高洪利;;基于随机森林算法的卷烟销量预测及分析[A];中国烟草学会学术年会优秀论文集[C];2017年
6 武晓岩;方庆伟;;基因表达数据分析的随机森林方法及算法改进[A];黑龙江省第十次统计科学讨论会论文集[C];2008年
7 高磊;秦慧杰;许康;;基于随机森林的资源三号影像地表覆盖信息提取[A];地理信息与人工智能论坛暨江苏省测绘地理信息学会2017年学术年会论文集[C];2017年
8 郑志伟;邱佳玲;阳庆玲;龚晓春;郭山清;贾忠伟;郝春;;随机森林算法对文本情感分析的应用与R软件实现[A];2017年中国卫生统计学学术年会论文集[C];2017年
9 杨璐;宋建国;;基于随机森林的地震储层分类方法研究[A];2017中国地球科学联合学术年会论文集(三十八)——专题71:内磁层动力学、专题72:计算地球物理方法和技术、专题73:地热:“学”以致“用”、专题74:电磁卫星观测与应用[C];2017年
10 刘继辉;许磊;马晓龙;李达;林鸿佳;杨洋;杨晶津;李兴绪;王慧;;基于随机森林回归的制丝过程参数影响权重分析[A];中国烟草学会学术年会优秀论文集[C];2017年
中国重要报纸全文数据库 前1条
1 本报记者 田新元;人工智能助力保险业智慧化转型[N];中国改革报;2017年
中国博士学位论文全文数据库 前10条
1 王鑫;基于随机森林的认知网络频谱感知算法研究[D];东北大学;2016年
2 王晓军;基于大数据的风洞马赫数集成建模方法的研究[D];东北大学;2016年
3 姚登举;面向医学数据的随机森林特征选择及分类方法研究[D];哈尔滨工程大学;2016年
4 黄玥;VANET信息安全问题及异常检测技术研究[D];吉林大学;2017年
5 倪强;基于随机前沿和随机森林法的沿海开发区发展效率研究[D];天津大学;2011年
6 季斌;内蒙古浩布高地区多金属矿综合信息找矿预测研究[D];合肥工业大学;2017年
7 雷震;随机森林及其在遥感影像处理中应用研究[D];上海交通大学;2012年
8 金超;基于随机森林的医学影像分割算法研究及应用[D];苏州大学;2017年
9 李宝富;巨厚砾岩层下回采巷道底板冲击地压诱发机理研究[D];河南理工大学;2014年
10 赵东;基于群智能优化的机器学习方法研究及应用[D];吉林大学;2017年
中国硕士学位论文全文数据库 前10条
1 韩杏杏;县域尺度农用地表层土壤有机质含量预测技术对比研究[D];郑州大学;2018年
2 耿晗;基于随机森林的苹果内部品质多标签分类方法研究[D];西北农林科技大学;2018年
3 梁君雅;控制混杂的随机森林方法评价及其在高维组学数据分析中的应用[D];南京医科大学;2018年
4 张宇;基于振动光谱的汽油非法添加煤油的检测方法研究[D];华东交通大学;2018年
5 任才溶;基于并行随机森林的城市PM_(2.5)浓度预测[D];太原理工大学;2018年
6 赵佳楠;基于随机森林的长江三角洲PM_(2.5)浓度空间模拟及暴露风险评估[D];华东师范大学;2018年
7 赵书慧;基于MODIS卫星数据的水面积提取方法研究[D];山东师范大学;2018年
8 肖怀硕;基于振动信号的断路器故障诊断与状态评估[D];山东大学;2018年
9 李欣欣;基于代价敏感性随机森林与支持向量机的肝硬化并发肝性脑病风险预测模型研究[D];山西医科大学;2018年
10 杜沛冬;结合卷积神经网络和随机森林的癫痫自动检测[D];山东大学;2018年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026