《Sustainability》:Integrating Unsupervised and Supervised Machine Learning for Meteorology-Based Ozone Estimation in an Industrial Zone: A Case Study
编辑推荐:
精细尺度臭氧污染估算是促进可持续空气质量管理和推动绿色工业转型的关键前提,尤其是在石化园区,这些区域排放高浓度的前体污染物。在此背景下,研究人员聚焦于一个典型石化工业园区,采用并比较了无监督和有监督机器学习方法,以评估其O3浓度估算性能。
精细尺度臭氧污染估算是促进可持续空气质量管理和推动绿色工业转型的关键前提,尤其是在石化园区,这些区域排放高浓度的前体污染物。在此背景下,研究人员聚焦于一个典型石化工业园区,采用并比较了无监督和有监督机器学习方法,以评估其O3浓度估算性能。使用轮廓系数(Silhouette Score, SS)和Calinski-Harabasz指数(Calinski-Harabasz Index, CH)评估了六种无监督算法。所提出的混合SK模型(SOM + k-means)取得了最佳聚类性能(SS = 0.6615,CH = 13,946.60),识别出九种气象模式,其中两种与高臭氧浓度密切相关。在有监督模型中,经过5折交叉验证的超参数调优后,XGBoost在独立测试集上的表现优于支持向量回归、随机森林和卷积神经网络,实现了R2 = 0.87,RMSE = 13.67 μg/m3,MAE = 10.02 μg/m3。SHAP分析表明,东北风、中等风速(≤4 m/s)、低湿度及10–20°C的温度与高臭氧水平呈正相关,而西南风和高湿度则呈负相关。这些发现凸显了气象因素与臭氧动态之间的复杂相互作用。所提出的基于气象的估算框架为石化工业园区内臭氧污染风险筛查提供了候选指标,为后续污染机理研究和经过验证的运行模型提供了初步气象参考,并有助于区域环境可持续性。
**论文解读:结合无监督与有监督机器学习用于工业区基于气象的臭氧估算**
**研究背景与问题**
表面臭氧(O
3)污染已成为全球性环境挑战,对公众健康、陆地生态系统和作物产量造成不利影响。2019年,全球超过36万例过早死亡归因于长期暴露于O
3。在中国,O
3污染已成为暖季大多数城市和工业集聚区的主要大气污染物。准确的臭氧污染估算是理解臭氧形成机制、识别关键驱动因素以及制定针对性前体物减排策略的基础。传统数值模型(如CMAQ和WRF-Chem)在大尺度区域模拟中表现良好,但在工业园区局部尺度上性能急剧下降,原因在于对复杂下垫面上精细尺度大气物理化学过程的认识不足,且排放清单不确定性高。石化工业园区排放大量挥发性有机物(VOCs)和氮氧化物(NO
x),且无组织VOC排放受气象条件强烈调控。研究表明,气象变率主导了长江三角洲地区O
3浓度的变化,贡献高达87%。因此,利用气象数据作为前体物排放和大气扩散能力的代理变量,为克服局部尺度O
3模拟中排放清单不确定性提供了新途径。机器学习方法(ML)为捕捉O
3与其驱动因素之间的高度非线性关系提供了计算高效的数据驱动替代方案,但尚无研究系统对比多种ML算法在石化工业园区场景下的性能。为此,本研究聚焦气象因素对O
3形成的强调控作用,构建基于气象的臭氧估算框架,并识别与高臭氧相关的气象模态。该论文发表在《Sustainability》。
**关键技术方法**
研究人员采用的数据来源于浙江省宁波市镇海枢纽(ZJ)石化工业园区自动空气质量监测站,获取2023年全年逐小时数据,经清洗后保留8691个有效样本,按季节性分层随机分为训练集(80%)和测试集(20%)。主要技术方法包括:(1)无监督学习:六种算法(层次聚类、DBSCAN、谱聚类、高斯混合模型(GMM)、自组织映射(SOM)和k-means)以及混合SK模型(SOM + k-means),用于气象模式分类,评估指标为轮廓系数(SS)和Calinski-Harabasz指数(CH);(2)有监督学习:四种算法(支持向量回归(SVR)、随机森林(RF)、卷积神经网络(CNN)和XGBoost),用于O
3浓度定量估算,经5折交叉验证和贝叶斯优化进行超参数调优,评估指标为R
2、均方根误差(RMSE)和平均绝对误差(MAE);(3)模型解释:使用SHAP(SHapley Additive exPlanations)分析特征贡献。输入特征包括12个气象参数(温度、气压、风向、湿度、风速、10米经向风u10、10米纬向风v10、地表向下太阳辐射(SSRD)、边界层高度(BLH)、高云量(HCC)、中云量(MCC)、低云量(LCC))及时间特征(小时)。
**研究结果**
**3.1 天气模式分类分析**
六种无监督算法及混合SK模型用于高O
3污染相关天气模式分类。经优化,SOM和k-means在个体算法中表现较好,但谱聚类仅生成两个簇,无法提供详细分类。混合SK模型(SOM + k-means)结合了SOM的非线性降维和k-means的计算效率,在9个簇时取得最高SS(0.6615)和CH(13,946.60),且通过100次bootstrap重采样显示高稳定性(调整兰德指数ARI = 0.92 ± 0.04)。识别出两种与高臭氧浓度相关的簇:簇1特征为低气压、高温、强太阳辐射及特定湿度动态,有利于光化学O
3生产;簇3特征为中等日间温度、高压系统热稳定性及浅边界层,有利于污染物累积。两簇均盛行东北风,揭示区域输送对臭氧动态的影响。
**3.2 预测模型**
**3.2.1 模型优化**
建立了基于非线性ML的基线模型:日变化均值基线R
2=0.26,多元线性回归R
2=0.47。四种非线性模型均大幅优于基线。经超参数调优:SVR(RBF核)R
2=0.82,RMSE=25.69 μg/m
3,MAE=19.55 μg/m
3;RF经浓度分层重采样后高浓度子集RMSE仅降低4%,整体提升有限;CNN经贝叶斯优化(Keras Tuner)得到最优架构(2个卷积块,32和64滤波器,dropout 0.3),RMSE=16.06 μg/m
3,MAE=11.02 μg/m
3,R
2=0.84;XGBoost经Optuna优化(100次试验,5折交叉验证),最优参数(n_estimators=300, max_depth=7, learning_rate=0.05, subsample=0.8, colsample_bytree=0.7),在测试集上取得最佳性能:R
2=0.87,RMSE=13.67 μg/m
3,MAE=10.02 μg/m
3,优于北京同类研究(R
2=0.76)。100次bootstrap得到95%置信区间:R
2[0.82,0.89],MAE[9.12,10.89] μg/m
3;5折时间序列交叉验证平均R
2=0.84±0.03,表明模型未过拟合。
**3.2.2 臭氧形成的特征重要性**
基于优化XGBoost模型的SHAP分析显示,风向是最重要的特征,表明其在臭氧或其前体物平流中的关键作用。湿度和温度重要性次之,与光化学反应动力学一致。其他重要特征包括风速、气压、边界层高度、云量变量和太阳辐射。SHAP依赖图进一步揭示:东北风(u10和v10分量)与高臭氧正相关,西南风负相关;风速在0–4 m/s范围内SHAP值增加,超过4 m/s后稳定或略降;SSRD低值时正贡献,高值分散;气压在1010–1020 hPa之间SHAP值下降,两端上升;边界层高度低于250 m时从负向正过渡,之后稳定负贡献;湿度全范围负贡献;温度在10–20°C之间正贡献,高低两端负贡献。云量变量贡献微弱。
**讨论与结论**
讨论部分指出,SHAP特征关联反映数据驱动模型的内部分配逻辑,不代表已证实的因果关系。三个臭氧污染事件(EP1、EP2、EP3)用于定性展示气象模式。与先前研究比较,SK聚类性能(SS=0.6615)显著优于同类研究;XGBoost模型(R
2=0.87)优于Liu等(2025)在北京的R
2=0.767,可能归因于石化园区内无组织VOC排放与温度、风速的紧密耦合,使气象成为有效代理变量。不确定性分析表明模型稳定,但仅基于2023年单站点数据,需在其它园区或年份进行外部验证。主要局限是仅使用气象预测因子,若补充VOC和NO
x直接观测数据可提升精度和机理认识。尽管如此,该研究展示仅用气象数据即可实现强预测性能。对空气质量管理的潜在意义:识别的高臭氧气象模式可作为风险筛查的初步气象标记,但需多站点长期监测数据和排放清单验证后方可实际部署。SHAP分析强调风向和湿度对臭氧预测的强影响,为区域输送协调提供参考。
**结论部分翻译**:本研究系统比较了六种无监督聚类算法、一种混合SK模型以及四种有监督学习模型,用于石化工业园区基于气象的臭氧估算。混合SK模型显著优于所有个体聚类算法,取得最高SS(0.6615)和CH指数(13,946.60),识别出九种不同气象模式,其中两种(簇1和簇3)与高臭氧浓度密切相关:簇1具有利于光化学生产的条件(低气压、高温、强太阳辐射),簇3以有利于污染物累积的停滞大气条件为特征。两簇均盛行东北风,强调区域输送对局部臭氧动态的影响。在有监督臭氧估算中,经5折交叉验证优化的XGBoost在独立测试集上取得最高精度,仅使用气象输入即实现R
2=0.87、RMSE=13.67 μg/m
3、MAE=10.02 μg/m
3。该性能优于先前研究(如北京报道的R
2=0.767),表明在缺乏高分辨率VOC和NO
x数据的工业园区环境中,气象变量可作为前体物排放的有效代理变量。SHAP分析进一步揭示,东北风、中等风速(最高4 m/s)和10–20°C温度与高臭氧水平正相关,而高湿度和西南风负相关。这些从估算模型中提取的气象阈值可作为臭氧污染风险筛查的候选指标,有待在工业园区监测网络中开展实际运行验证。尽管如此,本研究存在若干局限:估算框架仅依赖气象预测因子;直接测量VOC和NO
x将可能提升精度和机理理解,尽管这些污染物的浓度分布在相对稳定排放速率下也受气象条件控制。对于计算和硬件资源充足的工业园区,整合污染物模拟模块可提升精度。未来工作应整合卫星反演或低成本传感器前体物数据,并将建模框架扩展到更广的时空尺度。尽管存在这些局限,所提出的混合SK聚类和XGBoost估算框架为石化工业园区的臭氧污染风险识别提供了初步气象参考。