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 符立伟;郭秀锐;;国内空气污染暴露水平评价方法研究进展[J];环境科学与技术;2015年S2期
2 陈凯;刘凯;柳林;朱远辉;;基于随机森林的元胞自动机城市扩展模拟——以佛山市为例[J];地理科学进展;2015年08期
3 焦利民;许刚;赵素丽;马明;董婷;李江月;;基于LUR的武汉市PM_(2.5)浓度空间分布模拟[J];武汉大学学报(信息科学版);2015年08期
4 吴健生;廖星;彭建;黄秀兰;;重庆市PM_(2.5)浓度空间分异模拟及影响因子[J];环境科学;2015年03期
5 王丽爱;马昌;周旭东;訾妍;朱新开;郭文善;;基于随机森林回归算法的小麦叶片SPAD值遥感估算[J];农业机械学报;2015年01期
6 王琪;孙巍;张新宇;;北京地区PM_(2.5)质量浓度分布及其与气象条件影响关系分析[J];计算机与应用化学;2014年10期
7 崔东文;金波;;基于随机森林回归算法的水生态文明综合评价[J];水利水电科技进展;2014年05期
8 王敏;邹滨;郭宇;何晋强;;基于BP人工神经网络的城市PM_(2.5)浓度空间预测[J];环境污染与防治;2013年09期
9 邹滨;彭芬;焦利民;翁敏;;高分辨率人口空气污染暴露GIS空间区划研究[J];武汉大学学报(信息科学版);2013年03期
10 成海容;王祖武;冯家良;陈宏玲;张帆;刘佳;;武汉市城区大气PM_(2.5)的碳组分与源解析[J];生态环境学报;2012年09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 张钰娟;薛凤霞;白志鹏;;时间调整土地利用回归模型用于孕期空气污染暴露评估的研究进展[J];中华预防医学杂志;2017年03期
2 褚克坚;仇凯峰;贾永志;叶桂阳;华祖林;;长江下游丘陵库群河网地区城市水生态文明评价指标体系研究[J];四川环境;2015年06期
3 秦文;刘小真;;南昌市大气污染主要参数浓度昼夜分布特征[J];绿色科技;2015年12期
4 于正良;杨平恒;景伟力;袁道先;任坤;李林立;;重庆金佛山降雪中飞灰单颗粒特征及来源解析[J];环境科学;2015年12期
5 刘妍月;李军成;;大气中PM_(2.5)浓度的空间表征方法研究[J];环境影响评价;2015年06期
6 崔东文;吴盛华;金波;;SSO-BP模型在水资源可再生能力评价中的应用[J];人民长江;2015年21期
7 贾少春;;随机森林算法在β-发夹模体预测中的应用[J];忻州师范学院学报;2015年05期
8 蹇守卫;孙孟琪;郅真真;何桂海;宗航;马保国;肖慧;权宗纲;;煤质燃料在烧结制备墙体材料中PM2.5形成机理分析[J];武汉理工大学学报;2015年10期
9 董娅玮;杜新黎;李扬扬;曹磊;张佳音;蒙瑞丽;唐小威;赵胤翔;;西安市区大气中PM_(2.5)和PM_(10)质量浓度污染特征[J];中国环境监测;2015年05期
10 胡知临;成杰民;沈晓彤;;空气PM_(2.5)浓度与城市采暖的相关性研究——以济南市及其周边5个城市为例[J];环境科技;2015年05期
中国硕士学位论文全文数据库 前3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
3 蒋金亮;快速城市化背景下城市扩张对空气质量影响研究[D];南京大学;2015年
【二级参考文献】
中国期刊全文数据库 前10条
1 廖江福;唐立娜;王翠平;许通;;城市元胞自动机扩展邻域效应的测量与校准研究[J];地理科学进展;2014年12期
2 郭胜利;王希;黄军;;基于时间-活动模式下各类微环境中人体PM_(2.5)暴露评价研究进展[J];科学技术与工程;2014年27期
3 刘杰;杨鹏;吕文生;;北京大气颗粒物污染特征及空间分布插值分析[J];北京科技大学学报;2014年09期
4 柯新利;孟芬;马才学;;基于粮食安全与经济发展区域差异的土地资源优化配置——以武汉城市圈为例[J];资源科学;2014年08期
5 邓婉霞;邹滨;邱永红;汤景文;何晋强;赵梦祎;;顾及空间邻近性的PM_(2.5)暴露评估系统设计与实现[J];环境科学与技术;2014年05期
6 杨彦;陆晓松;李定龙;;我国环境健康风险评价研究进展[J];环境与健康杂志;2014年04期
7 赵昂;陈仁杰;阚海东;;大气污染暴露评估模型及其在环境流行病学中的应用[J];卫生研究;2014年02期
8 闫伟奇;张潇尹;郎凤玲;曹军;;北京地区大气细颗粒物的个体暴露水平[J];中国环境科学;2014年03期
9 张吉洋;耿世彬;;我国大气环境PM2.5来源、分布、危害现状分析[J];洁净与空调技术;2014年01期
10 张灿;周志恩;翟崇治;白志鹏;陈刚才;姬亚芹;任丽红;方维凯;;基于重庆本地碳成分谱的PM_(2.5)碳组分来源分析[J];环境科学;2014年03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 胡蝶;;基于随机森林的债券违约分析[J];当代经济;2018年03期
2 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
3 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
4 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
5 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
6 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
7 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
8 张强;;随机森林在居民购房意愿研究中的应用[J];现代经济信息;2016年13期
9 凌俐;陈丽;谢兆莉;;随机森林法用于分析阿糖胞苷致不良反应发生的影响因素[J];中国药房;2015年08期
10 王婷;;基于随机森林的高光谱遥感图像分类[J];数码世界;2017年05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 许允之;王舒萍;边宁;李鹏程;;基于随机森林算法的雾霾物质在沿面放电下分解特征研究[A];《环境工程》2018年全国学术年会论文集(下册)[C];2018年
9 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
10 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
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
2 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
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 何林;基于结核病的基因芯片数据挖掘及生物信息学分析[D];西南大学;2018年
2 吴裕浩;基于随机森林的椎骨CT图像检测算法研究[D];哈尔滨理工大学;2018年
3 朱晓蕾;基于压缩感知和随机森林的模式识别方法研究[D];哈尔滨工程大学;2018年
4 吕郅强;自动驾驶背景下的行人检测技术研究[D];哈尔滨理工大学;2018年
5 宋鑫;随机森林优化算法在农户信用风险评估中的应用[D];云南师范大学;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 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
8 许远静;病态嗓音特征提取与识别算法的研究[D];广西师范大学;2018年
9 郭永辉;基于情境感知的手机使用过程意外预防方法研究与系统实现[D];哈尔滨工业大学;2018年
10 周杰;Spark平台下的基于随机森林算法的用户贷款风险预测研究[D];东北师范大学;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