文献类型：期刊文章

作　　者：董红召[1] 许慧鹏[1] 卢滨[2] 杨强[2]

DONG Hongzhao;XU Huipeng;LU Bin;YANG Qiang(ITS Joint Research Institute,Zhejiang University of Technology,Hangzhou 310014;Hangzhou Institute of Environment Sciences,Hangzhou 310014)

机构地区：[1]浙江工业大学智能交通系统联合研究所,杭州310014 [2]杭州市环境保护科学研究院,杭州310014

出　　处：《环境科学学报》

基　　金：浙江省公益技术研究项目(No.LGF18E080018);杭州市重大科技专项项目(No.20162013A06);杭州市社会发展科技项目(No.20170533B14)

年　　份：2019

卷　　号：39

期　　号：4

起止页码：1086-1094

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA-PROQEUST、CSCD、CSCD2019_2020、GEOBASE、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：提出了基于CART回归树的氮氧化物(NO_x)浓度预测模型,利用杭州市延安路路边空气质量监测站2016年6—9月空气污染物监测数据和同期延安路路段车辆抓拍识别数据,通过数据处理、影响因素分析及CART回归树构造,搭建了NO_x浓度预测模型.实验分析结果表明,相对于支持向量机和BP神经网络预测模型,基于CART回归树的NO_x浓度预测模型的预测精度有大幅度提升,可决系数在0.92以上;同时,对环境条件差异较大的G20会议期间NO_x浓度进行预测分析,结果表明,CART回归树方法的预测精度比其它方法更高,能够适应不同条件下的预测需求.

关 键 词：氮氧化物 CART回归树  大气污染 机器学习  

分 类 号：X734.2]