基于随机森林的大气污染物实时排放总量估计研究

翟秀英

摘要：为了提高大气污染物宴时排放总量估计方法的估计效果，设计基于随机森林的大气污染物实时排放总量估计方法。为保证提高数据的质量，分别对数据进行数据清洗、降噪处理和标准化计算。根据不同数据的属性，提取数据的气象特征、时间特征和地形特征。利用随机森林算法，对提取的数据特征进行回归处理，从而生成大气污染物宴时排放估计模型。对大气污染物排放量进行预测，并对其进行增量处理，计算相应的预测误差，实现对大气污染物实时排放量的估计。测试结果表明，和对比方法相比，设计方法估计误差平均值为4.21mg／m3，估计效果较好。

关键词：随机森林；大气污染物；实时排放总量；估计方法；方法设计

中图分类号：X51 文献标志码：B

前言

为了实时掌握城市的空气变化情况，针对恶劣天气制定相应的解决措施，保障人们的日常生活，需要对大气污染物实时排放总量进行估计。在上述背景下，不少研究学者对估计方法展开了研究。文献统计车辆在行驶过程中的油耗量，并在网联车轨迹重构的作用下，规划车辆行驶路径，并对在该行驶过程中车辆的排放量进行估计，但该方法应用成本较高。文献采集一段时间内轻型车污染物的排放数据，并对采集的数据进行预处理，在MOVES模型本地化的作用下，构建相应轻型车排放模型，对轻型车的排放因子进行计算，但该方法估计精准度较差。文献对船舶辅机大气污染物排放量展开估算研究，建立了基于燃油消耗的排放因子，基于燃油消耗量，估算广州港船舶停泊工况辅助发动机不同污染物气体的排放总量，该方法引擎功率较低的船舶大气污染物排放因子更高，但估算结果的准确性还有待提升。在以往研究的基础上，文章设计了基于随机森林的大气污染物实时排放总量估计。先采集一段时间内大气污染物的排放数据，并对采集到的数据进行预处理，再提取出相关的数据特征，利用随机森林算法，对其进行回归处理，从而构建相应的大气污染物排放模型，实现對大气污染物实时排放总量的估计。