Page 158 - 生态环境保护与环境监测研究

生态环境保护与环境监测研究

型是在气候学模型的基础上，进一步建立气象要素的临界值与大气污染物浓度之
间的关系，即达到某一气象要素的某一临界值表示某一大气污染物到达某一浓

度，需要气象要素的历史数据和预报数据。这种模型具备其他简单经验统计方法
的优点，应用十分广泛，如 Wolff 等在 1978 年开发了经验统计模型用于预测美国

东北地区臭氧最大日浓度，而且准确度有所提高，是一种有效预测重污染天气的
方法。但该模型无法预测大气污染物浓度的具体数值，无法预测多种复杂气象条

件下高敏感度污染物的浓度。
（二）机器学习

1. 分类回归树
通过输入多年气象站点数据，决策树模型找到近地层中与夏季地表臭氧浓度

具有高度相关性的气象因子，以达到准确预测夏季地表臭氧浓度是否超过最大地
表臭氧浓度限值标准，此模型在加拿大多地得到实证应用。分类回归树具有计算

快、分类准确、算力要求低等优点，也能保证一定的准确度，但无法准确预测大
气污染物浓度极值，在观测数据受限的情况下模型使用也同样受限。

2. 回归模型
回归模型重要的基础或者方法就是回归分析，回归分析是研究一个变量（被

解释变量）关于另一个（些）变量（解释变量）的具体依赖关系的计算方法和理
论，是建模和分析数据的重要工具。在这里，我们使用曲线或线到数据点来拟合

这些数据点，在这种方式下，从曲线或线到数据点的距离差异最小。

回归模型从一组数据出发，确定某些变量之间的定量关系式，建立数学模
型并估计未知参数，回归的目的是预测数值型的目标值。它的目标是接受连续

数据，寻找最适合数据的方程，并能够对特定值进行预测。常见的回归模型包
括线性回归、局部加权线性回归、岭回归和逻辑回归等。Coburn 等基于多元非

线性回归开发了臭氧浓度预测模型，使用五年历史数据对模型进行校验以后，
模型对日 1 小时最大臭氧浓度的预测效果得到较好提升，平均绝对误差稳定在

12.1 ～ 21.7ppb。回归模型具有计算快、易操作、运行成本低等优点。但空气质

150