报告详情
基于集成学习的山东省PM2.5高分辨率空间模拟
编号：10
访问权限：仅限参会人
更新：2025-09-10 13:31:54 浏览：2次
口头报告
报告开始：暂无开始时间（Asia/Shanghai）
报告时间：暂无持续时间
所在会场：[暂无会议] [暂无会议段]
暂无文件
摘要
PM2.5 浓度预测对于空气污染的防控和治理具有重要意义。研究基于山东省327个站点的环境监测数据，将数据集划分为训练集、验证集和测试集。采用决策树、随机森林、XGBoost、LightGBM、SVM、GBDT及神经网络等多种回归模型进行训练，并通过贝叶斯算法优化超参数。利用验证集评估各模型的性能（MSE、RMSE、MAE、R²），进而应用熵权法与TOPSIS方法结合确定各模型权重集成回归模型。结果表明，集成模型优于任何单一模型，预测精度更高。将其应用于山东省全年、雾霾天、1月及7月的1 km×1 km分辨率PM₂.₅浓度反演，实现了对山东省近地面PM₂.₅浓度的高精度模拟与空间制图，可为区域大气污染精准防控提供科学依据。
关键词
PM2.5,集成学习,空间模拟
报告人
郭沐
学生 河南大学稿件作者
全部评论
重要日期
-
会议日期
09月19日
2025
至09月21日
2025
-
09月08日 2025
初稿截稿日期
-
09月21日 2025
注册截止日期
主办单位
河海大学
中国地理学会地图学与地理信息系统专业委员会
中国地质学会地质制图与地理信息专业委员会
中国测绘学会地图学与地理信息系统专业委员会
中国地理信息产业协会地图工作委员会
中国自然资源学会资源制图专业委员会
中国地理学会地图学与地理信息系统专业委员会
中国地质学会地质制图与地理信息专业委员会
中国测绘学会地图学与地理信息系统专业委员会
中国地理信息产业协会地图工作委员会
中国自然资源学会资源制图专业委员会
承办单位
河海大学地理与遥感学院
江苏省流域地理空间智能工程研究中心
江苏省流域地理空间智能工程研究中心
联系方式
- 陈跃红
- yu******@hhu.edu.cn
- 153********
发表评论