比利时城市工业环境颗粒物空气质量指数时间变异性与短期可预测性研究
《Scientific Reports》:Station-specific variability and short-term forecasting of a particulate air-quality index using machine learning in Charleroi, Belgium
【字体:
大
中
小
】
时间:2026年10月21日
来源:Scientific Reports 4.9
编辑推荐:
城市工业环境的空气质量管理需要可靠的颗粒物污染评估和对预测性能的客观评价。本研究考察了比利时Marchienne-au-Pont、Charleroi和Lodelinsart三地颗粒物空气质量指数的时间变异性及短期可预测性。分析纳入了2020年至2023年间收集的206,184
城市工业环境的空气质量管理需要可靠的颗粒物污染评估和对预测性能的客观评价。本研究考察了比利时Marchienne-au-Pont、Charleroi和Lodelinsart三地颗粒物空气质量指数的时间变异性及短期可预测性。分析纳入了2020年至2023年间收集的206,184个半小时观测数据。质量控制发现记录的PM?.?和PM??数据可能存在不一致,通过可重复的临时重建方法予以解决。采用扩展窗口验证和独立的2023年测试期,对k最近邻、随机森林、决策树、梯度提升、AdaBoost和神经网络进行了评估。四年平均颗粒物指数以Marchienne-au-Pont最高(35.13),其次为Lodelinsart(31.62)和Charleroi(28.60)。PM?.?在67.63%–74.84%的观测中决定指数,而PM??在25.16%–32.37%中决定指数。由于目标变量是从同时颗粒物预测因子中数学推导得出的,基于树的模型产生了高于0.999的同期测试R2值。因此,独立的未来预测实验提供了主要的操作评估。1小时预测的R2值为0.857–0.920,6小时降至0.551–0.641,24小时降至0.270–0.335。与持续性模型相比,梯度提升在1小时时将RMSE降低5.80%–6.29%,6小时时降低15.31%–17.19%,24小时时降低12.41%–12.96%。这些发现表明数据质量验证、时间序列验证以及同期指数估计与真正未来预测之间明确区分的重要性。由于无法获得监测机构对污染物身份和处理历史的确认,重建浓度及衍生结果仍为临时性质。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号