典型文献
基于机器学习和非参数估计的PM25风险评估
文献摘要：
为开展区域风险评估,融合手机信令、气象和地理信息等多源数据,引入随机森林机器学习、非参数估计分位数图示法和非监督学习K-mean等方法,构建了区域PM2.5风险评估及特征识别评价框架,在南京市区以0.3km分辨率网格为基础单元开展了案例研究.结果表明,该技术既可有效模拟PM2.5浓度时空分布,十折交叉验证R2达到0.76,证明了准确度较高,并基于此识别出4种主要污染特征;也可有效捕捉短期人口流动导致的风险,在污染浓度不变的情况下短期人口流动会导致风险增加0.30～0.97倍.综合PM2.5浓度和人口分布,识别出4种主要暴露风险模式,其中,研究区域6.5％的面积为高风险地区,23.0％的面积为低风险地区."十四五"期间应加快现代科学技术在环境保护领域的应用,实施网格化和差异化的风险控制政策,维护人群健康.
文献关键词：
PM2.5;机器学习;非参数估计;暴露风险评估;特征识别
中图分类号：
作者姓名：
周琪;于洋;刘苗苗;毕军
作者机构：
南京大学环境学院,污染控制与资源化研究国家重点实验室,江苏 南京 210023;清华大学环境学院,北京 100084;清华大学交叉信息研究院,北京 100084
文献出处：
引用格式：
[1]周琪;于洋;刘苗苗;毕军-.基于机器学习和非参数估计的PM25风险评估)[J].中国环境科学,2022(08):3554-3560
A类：
B类：
基于机器学习,非参数估计,PM25,展区,区域风险,手机信令,地理信息,多源数据,分位数,图示法,监督学习,mean,特征识别,评价框架,3km,基础单元,了案,十折交叉验证,污染特征,人口流动,污染浓度,人口分布,低风险地区,现代科学技术,网格化,风险控制,人群健康,暴露风险评估
AB值：
0.374328
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。
