典型文献
基于决策树模型的区域PM2.5污染管控时空识别——以关中地区为例
文献摘要：
以关中地区为研究区域,基于时空聚类和决策树模型提出一种简易的PM2.5污染管控时空识别方法.首先使用时空聚类算法对冬防期PM2.5浓度进行聚类,识别不同的PM2.5污染区域,基于不同区域的气象数据分别构建决策树模型,识别不同区域影响PM2.5浓度最不利扩散的气象条件,分析最不利气象条件下的PM2.5浓度变化情况,以此确定各区域需要进行污染管控的时间段.结果表明:(1)时空聚类方法识别出关中地区PM2.5分布主要呈现出低海拔平原区域和海拔相对较高的山脉区域.(2)决策树模型分析结果显示:高海拔区域在Ⅰ-10(1.57 h≤日照时数<7.88 h、最大风速<3.72 m·s-1)和Ⅰ-11(日照时数<1.57 h、最大风速<3.72 m·s-1)两类气象条件下,区域的PM2.5浓度保持较高水平;低海拔区域在Ⅱ-10(小型蒸发量≥0.96 mm、平均相对湿度≥45.38％、日照时数<8.55 h、平均风速≥2.43 m·s-1)和Ⅱ-11(小型蒸发量<0.96 mm)两类气象条件下,区域的PM2.5浓度保持较高水平.(3)回归结果显示,关中地区低海拔区域和高海拔区域在最不利气象条件下,PM2.5浓度平均会持续上升4.76 d,直至最高浓度.
文献关键词：
决策树模型;PM2.5;分区管控;重污染
中图分类号：
作者姓名：
贾册;陈臻;韩梅
作者机构：
中国人民大学环境学院,北京 100872;中国科学院科技战略咨询研究院,北京 100190;中国科学院大学公共政策与管理学院,北京 100049;陕西省环境调查评估中心,陕西 西安 710054
文献出处：
引用格式：
[1]贾册;陈臻;韩梅-.基于决策树模型的区域PM2.5污染管控时空识别——以关中地区为例)[J].干旱区研究,2022(04):1056-1065
A类：
时空识别
B类：
决策树模型,PM2,污染管控,关中地区,时空聚类算法,冬防,污染区,气象数据,构建决策,区域影响,不利气象条件,浓度变化,聚类方法,方法识别,低海拔,平原区,山脉,高海拔区,日照时数,最大风速,蒸发量,相对湿度,平均风速,持续上升,分区管控,重污染
AB值：
0.233402
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
