17 / 2025-03-25 14:57:05

大连市空气污染物的时空分布特征与预测模型比较研究

空气污染,机器学习,儿童哮喘,大连市,污染物预测建模

儿童哮喘的高发率使得空气污染对儿童健康的影响问题日益受到关注。本研究以大连市为研究区域，整合环境监测、气象数据与地理信息，深入分析了PM2.5、PM10和臭氧三类污染物的时空分布特征及其与气象地理要素的相关性。研究发现，三类污染物均表现出明显的季节性规律，其中PM类污染物冬季浓度较高，而臭氧在夏季出现高峰。相关性分析显示，污染物与多数气象与地理变量之间呈现出较弱的相关性，呈现出复杂的非线性和交互作用特征。为提升污染物浓度的预测精度，本文构建了随机森林与极端梯度提升（XGBoost）模型，对及PM2.5、PM10和臭氧进行建模与性能对比。结果表明：XGBoost在PM类污染物预测中表现更佳，而随机森林在臭氧浓度建模中效果更优。上述模型均优于传统线性回归方法，显示出在处理非线性关系与高维特征中的强大能力。研究表明，机器学习模型在处理空气污染物的多源异构数据方面具有显著优势，能够有效捕捉污染物与环境要素之间复杂的非线性关系，为城市空气质量动态评估与健康风险监测提供了可靠工具。