基于變量篩選的機器學習對蘭州市近地面臭氧模擬研究

打開文本圖片集

摘要：為快速準確模擬蘭州市臭氧濃度，利用隨機森林（RF）和極端梯度提升（XGB）2種機器學習模型，結(jié)合ERA5氣象數(shù)據(jù)、MEIC清單數(shù)據(jù)和蘭州市空氣質(zhì)量監(jiān)測數(shù)據(jù)，對蘭州市2020年近地面8 h滑動平均臭氧濃度ρ（O3_8h）進行模擬。通過SHAP方法評估變量的重要性，篩選出對模型貢獻最大的變量，分別構(gòu)建簡化模型RF7和XGB7，并比較其與全變量模型（RF_A和XGB_A）的模擬效果和運行效率。（剩余11086字）