基于主成分分析的可吸入颗粒物预测建模研究——利用泰国曼谷空气污染物与气象变量

《PLOS Climate》:Principal component-based predictive modelling of particulate matters using air pollutants and meteorological variables in Bangkok, Thailand

【字体: 大 中 小 】 时间:2026年06月26日 来源:PLOS Climate 5.6

编辑推荐:

  城市空气污染仍是全球性的关键议题,尤其是细颗粒物(PM),其对人类健康具有直接且显著的影响。由于与PM相关的变量数量众多,且许多变量间高度相关,导致在预测建模中产生多元共线性(multicollinearity)问题,因此理解PM的变化模式颇具挑战性。为解决该

  
城市空气污染仍是全球性的关键议题,尤其是细颗粒物(PM),其对人类健康具有直接且显著的影响。由于与PM相关的变量数量众多,且许多变量间高度相关,导致在预测建模中产生多元共线性(multicollinearity)问题,因此理解PM的变化模式颇具挑战性。为解决该问题,本研究将主成分分析(PCA)作为降维技术,并开发了针对PM10和PM2.5浓度的预测模型。所用空气污染数据采自泰国曼谷的4个监测站点。在分析前,数据集通过插补、转换和标准化处理以确保变量间的一致性。PCA结果基于累积方差和特征值准则,为每个站点识别出4个主成分。其中,相对湿度(RH)和纬向风向(ZWD)对各主成分的贡献最为一致。随后,将选定主成分作为预测因子输入4种机器学习模型,并与使用全部原始变量的模型性能进行比较。模型评估采用平均绝对误差(MAE)、均方误差(MSE)和平均绝对百分比误差(MAPE)。结果表明,基于降维预测因子的模型在所有站点均持续优于使用完整变量集的模型。这些发现为解决多元共线性问题和提升城市空气污染预测中的模型性能提供了另一种有效途径。
本研究旨在解决城市空气污染预测中高维度数据与多元共线性问题,发表于《PLOS Climate》。

研究背景方面,空气污染随技术发展与工业化扩张持续加剧,细颗粒物(PM10和PM2.5)对呼吸及心血管系统的危害已获广泛认知。据估计,全球约86%的城市居民(约25亿人)生活在年均PM2.5浓度超过世界卫生组织(WHO)2005年10 μg/m3指南值的城市,201年导致约180万例超额死亡。泰国曼谷作为人口密集都市,因污染源多样、大气条件复杂及公共卫生关切加剧,空气质量近十年持续恶化。气象因素与空气污染物被认为是影响PM浓度的关键决定因素,但直接纳入全部变量易引发过拟合与多元共线性。虽有研究在泰国南部和中部应用机器学习模型探究PM与气象因素的关系,但未采用降维技术处理预测因子间的高度相关性。因此,研究人员开展此项研究,探索主成分分析结合机器学习模型在曼谷PM浓度预测中的有效性,以期为空气质量预报和环境决策提供支持。

关键技术方法包括:数据采集自泰国污染控制部(DPC)2017年1月1日至2023年4月30日曼谷4个中心站点(Rajabhat University Station、Huai Kwang Station、Nonthri Vithaya Station、Din Daeng Amphitheater Station)的逐时记录,经日均化处理后共2310天观测值,涵盖6种空气污染物(PM10、PM2.5、CO、SO2、NO2、O3)和6种气象变量(风速WS、风向WD、温度Temp、相对湿度RH、降雨量Rain、大气压Pres)。缺失数据采用基于链式方程的多重插补法(MICE)配合预测均值匹配(PMM)处理,风向经三角函数分解为纬向分量(ZWD,sin函数)和经向分量(MWD,cos函数)。对11个预测变量进行Z-score标准化后,应用PCA提取主成分(保留特征值λ>1且累积方差>60%的前4个主成分),随后分别输入主成分回归(PCR)、极端梯度提升(XGBoost)、支持向量回归(SVR,RBF核函数、C=1)和随机森林(RF,100棵树、5个节点)四种模型,按时间顺序以80%/20%划分训练集与测试集,采用MAE、MSE、MAPE评估模型性能,并与完整变量集模型对比。数据分析使用R语言(版本4.4.1)完成。

研究结果部分,各小节内容如下:

基线大气条件特征描述显示,污染物分布呈强正偏态,DD站点PM10平均浓度达63.67 μg/m3、PM2.5达32.64 μg/m3,显著高于其他站点,反映局地排放源和城市形态的影响。

Pearson相关矩阵分析表明,PM10和PM2.5与所有11个预测因子均存在显著相关性,尤其与CO、NO2、O3相关性高;但预测因子间亦存在强相关性(如温度、湿度之间),证实多元共线性问题的存在, necessitating PCA降维处理。

主成分分析结果方面,各站点前4个主成分特征值均大于1,累积解释方差约65%以上。变量贡献分析显示,第一主成分(PC1)方差最大,各站点主导变量虽有差异,但相对湿度和纬向风向在所有站点中均为主要贡献因子。双标图(biplot)可视化表明曼谷各站点大气污染和气象变量的方向趋势近乎一致。

模型性能比较结果显示,基于4个主成分的模型在所有站点对PM10和PM2.5的预测中,MAE、MSE、MAPE均低于使用11个完整变量的模型,表明降维成功集中预测信号并滤除冗余大气噪声。具体而言,PCA-SVR对PM2.5预测最优,PCA-MLR对PM10预测最优。

讨论部分,研究人员指出高维度环境数据中变量相关性增加导致的多元共线性问题,解释相对湿度因促进气态前体物向固态颗粒物转化而负关联PM浓度,纬向风向因海洋性通风效应影响污染物扩散。研究承认在完整数据集上先进行PCA可能存在数据泄露,使报告性能略偏乐观,建议未来研究仅在训练集上拟合PCA并聚焦于污染严重的雾霾季节(1-3月)评估模型。该PCA框架可减少曼谷都市管理局(BMA)的数据采集成本和分析时间,具有实际应用价值。

研究结论方面,本研究建立了高性能的城市空气质量预测框架,证明策略性降维持续优于高维数据建模。通过MICE-PMM插补确保数据完整性后,PCA有效缓解多元共线性,基于特征值>1和累积方差>60%筛选的前4个主成分作为优化预测集。标准机器学习模型(MLR、XGBoost、SVR、RF)分别预测PM10和PM2.5浓度,降维模型显著降低MAE、MSE和MAPE,其中PCA-SVR和PCA-MLR分别为PM2.5和PM10预测的最优架构。研究强调处理大规模多变量数据集时降维的必要性,通过降低计算成本和分析时间提升城市大气建模效率。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    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