面向多源数据的AQP区域大气污染精准溯源研究
空气质量优先保障(AQP,Air Quality Priority)区域包括城市居住区和亚运会、世博会等重大活动的举办地等.为了解决AQP区域PM2.5浓度超标而无法准确追溯污染源头的问题,提出一种新的面向多源数据的AQP区域大气污染精准溯源方法.由于直接溯源方法无法量化不同污染源区域对复合污染的贡献大小,建立一种融合气象数据、污染源区域排放数据、污染物浓度数据的机器学习模型LightGBM-PSO,以捕捉污染源排放和大气污染物浓度之间的非线性响应,模型输出AQP及相邻区域各污染源监测区域排放输入的特征重要程度(FI),由此可得各污染源区域的贡献度排名,并通过贡献度划分污染源站点等级,结合不同等级污染源站点的空间分布确定溯源结果.以2022年1月1日-4月15日杭州市滨江区、上城区、西湖区和萧山区的气象数据、污染源区域排放数据和大气污染物数据进行实验验证.结果表明:相比于贝叶斯优化算法,PSO对LightGBM模型超参数具有更好的优化效果,分别在RMSE、MAE和R2指标上高出7％、3％和3％;相比于SVR、LSTM和CNN-LSTM模型,提出的LightGBM-PSO模型具有更高的预测精度和稳定性;萧山区、上城区、西湖区对AQP区域PM2.5污染的贡献比例分别为48％、24％、12％;AQP区域内的(双)江陵路/滨盛路站监测范围内存在污染排放源,外部污染排放源位于其北部和东南方.结合巡查人员历史污染事件统计和现场污染监控可知智能大气污染溯源结果具有可靠性,可取代低效的人工巡查方法.
大气污染溯源、AQP区域、大气污染防治、LightGBM、PSO
43
X51(大气污染及其防治)
杭州市科技发展计划项目;浙江省公益技术研究项目
2023-05-26（万方平台首次上网日期，不代表论文的发表时间）
共11页
131-141
