概念 · 解读

随机森林：机器学习中的一种集成算法，它属于“装袋”类型，通过组合多棵决策树，最终结果通过投票或取均值，使得整体模型的结果具有较高的精确度和稳定性。

决定系数(R2)：用于判定模型的拟合效果，取值在0-1之间，越接近1，模型拟合能力越强。

平均分数偏差(MFB)：衡量模型拟合过度或低估的倾向。

平均绝对离差(MAD)：范围为0到正无穷，当预测值与真实值完全吻合时等于0，即完美模型；误差越大，该值越大。

平均绝对百分比误差(MAPE)：MAPE 为0%表示完美模型，MAPE 大于 100 %则表示劣质模型。

文章导读

01

研究背景

大气污染模型可以帮助交通管理者选择最适合的交通管理政策，从而有效地进行决策。随着数据科学与机器学习的发展，如何选择恰当的模型来描述大气污染物浓度与解释变量之间的关系变得越来越具有挑战性。

以往的研究主要使用交通和气象数据来构建大气污染模型。然而，在构建模型的时候，除了选择有力的解释变量以外，还应该关注研究时间段的选取：某些变量间的特定关系只在短期内保持，在长期内则会丢失。因此，本研究采取了一个新的视角：不仅探索气象、交通、时间等解释变量对大气污染水平的影响，也评估研究时段的长度和选择如何影响大气污染模型的准确性和变量的重要性。

02

研究问题

本文使用一种先进的数据挖掘方法——随机森林模型，来探究气象条件、时间变量、交通流量和研究时段是如何影响弗罗茨瓦夫市(波兰人口第四大城市)的NO2、NOx和PM2.5浓度的，重点关注时间段的选择如何影响分析的准确性和所使用的解释变量的重要性。

为此，研究将2015-2016年划分为9个时间段：

①  完整时间段(两年)

②  温暖季节(4月-9月)

③  寒冷/供暖季节(10月-次年3月)

④  工作日

⑤  非工作日

⑥-⑨  春夏秋冬四季

模型中共加入了9个解释变量，分为以下三类：

交通流量；时间变量(周、月、法定节假日)；气象变量(气温、风速、风向、相对湿度、气压)

03

图文信息

信息1

交通变量

下图为弗罗茨瓦夫市某十字路口交通流量的日变化、周变化和月变化。交通量的日变化是双峰的，早高峰出现在在上午的7.00-8.00，晚高峰出现在下午的15.00-17.00；夜间的交通流量则明显较低。周末的交通流明显减少，而观测到的交通流月变化则不存在显著差异。

图2 Hallera十字路口不同时间尺度下的交通量箱形图

信息2

大气污染物水平

NO2浓度在一天内变化显著，交通高峰时段NO2浓度较高。NO2浓度的峰值出现在上午7.00-9.00之间，和下午18.00-21.00之间，后者比交通高峰晚3个小时左右。周末，NO2浓度较低，同样对应于交通量的减少。NOx浓度也存在类似的日变化和周变化，但其数值远高于NO2的浓度。

在冬季，大气中PM2.5浓度明显较高。而在一天或一周的时间尺度上，PM2.5没有明显变化。

图3 NO2和NOx浓度的时间序列和箱形图

图4 PM2.5浓度的时间序列和箱形图

信息3

气象变量

气象数据集包括小时气温、风速、风向、相对湿度和气压。弗罗茨瓦夫具有典型工业大城市的气候特征，经济活动表现在土壤的物理特性、大气污染以及来自家庭和工业过程的人工热量的排放等方面。气温的日变化来源于城市热岛效应，明显的季节变化则是温带气候的特征。

图5 气象变量的时间序列

信息4

随机森林回归结果

对9个时间段分别建立随机森林回归模型。采用R2、MFB、MAD、MAPE来评价各模型的拟合优度。

从模型的拟合程度来看，R2值一般较低(低于0.57)。MFB值小于0.2，表明模型对所有污染物的适用性是相似的。MAD和MAPE表明，该模型对NO2最为精确，对 PM2.5的估计最不准确。

从时间段的选择来看，模型⑦夏季和②温暖季节在回归中表现最好，证明夏季大气污染物的可预测性更强；最短时间段④和最长时间段①在回归模型中的表现都不好；对于长时间的研究时段，模型的拟合程度明显低于基于某一特定的时段。工作日或非工作日与污染物模型的有效性之间没有显著的关系。冬季交通流对氮氧化物(NO2和NOx)浓度的影响最大，夏季气象变量对NO2浓度的影响相对最大。

表2 3种污染物在时间段①-⑨中的拟合优度

从解释变量的影响程度来看，对NO2影响最大的变量是交通流量(除了⑤节假日)。温暖季节②⑦和寒冷季节③⑨在影响因素结构上存在较大差异，温暖季节或夏季在变量的影响程度上更为平均，而凉爽季节或冬季则变量影响程度差异更大。

对PM2.5影响最大的变量是气象条件：风速、风向、温度。只有在夏季，交通流量的重要性才能与气象变量的重要性相比。因为在此期间，家庭取暖的排放量很低，使交通排放的作用更为明显。

综上所述，在利用随机森林等计量模型探究大气污染物浓度时，根据气候条件将研究周期划分为几个短时间段是非常合理的，可以揭示解释变量在覆盖整个长时间段的数据集中不可见的关系。

图6 解释变量在时间段①-⑨中对NO2(上)、NOx(左)、PM2.5(右)的影响程度

图7 解释变量对3种污染物的影响程度

04

原文信息

原文题目：The use of random forests in modelling short-term air pollution effects based on traffic and meteorological conditions: A case study in Wrocław

原文作者：Joanna A. Kaminska

期刊名：Journal of Environmental Management

发表时间：2018年5月

一作单位：Department of Mathematics, Wroclaw University of Environmental and Life Sciences

原文链接：https://doi.org/10.1016/j.jenvman.2018.03.094

相关阅读

观点速递64| 京津冀地区1989-2018年间区域降水事件时空分布特征

观点速递63| 环境规制的空间溢出效应对空气污染的影响:来自中国城市群的证据

观点速递62| 消费者偏好在降低电子产品材料强度方面的作用

本公众号是南开大学循环经济与低碳发展研究中心(天津市高校人文社科重点研究基地、天津市高校智库)官方公众号。欢迎围绕中国能源气候大气环境政策、资源循环管理与政策、城市生态健康管理等领域的论文学习、观点速递投稿。具体可参考公众号往期推文。投稿邮箱b420000@yeah.net。

详情可点击下方“原文链接”