本文共計約七千字，讀完大概需要20分鐘。
謹(jǐn)以此文獻(xiàn)給我的26歲生日和這片土地。
一、背景介紹
? 山東省既是總GDP名列中國第三的經(jīng)濟大省、人口過億的人口大省，也是能源消耗大省、大氣污染物排放大省。根據(jù)2018年《中國能源統(tǒng)計年鑒》、《中國環(huán)境統(tǒng)計年鑒》，山東省工業(yè)+居民生活所消耗的能源，換算成標(biāo)準(zhǔn)煤約為4億噸，排名全國第一。與之對應(yīng)的，是山東省排名全國第一的工業(yè)廢氣排放量。以二氧化硫(SO2) 為例，2018年山東省工業(yè)二氧化硫排放量超過了120萬噸。是因為山東省的經(jīng)濟結(jié)構(gòu)以國企重工業(yè)為主，偏重于化工業(yè)、重金屬冶煉業(yè)、礦產(chǎn)開采等。因此山東省在京津冀區(qū)域性空氣污染中發(fā)揮的作用也引起了中央政府的注意，魯西北的傳統(tǒng)重工業(yè)城市被列為京津冀大氣污染傳輸通道（濟南、淄博等）。
? 由于京津冀空氣污染區(qū)域聯(lián)防政策波及，2018年11月，山東省人民政府印發(fā)《關(guān)于加快七大高耗能行業(yè)高質(zhì)量發(fā)展的實施方案的通知》，提出到 2020年要實現(xiàn)新舊動能的轉(zhuǎn)換，重點化解鋼鐵、煤炭、電解鋁、火電、建材等行業(yè)過剩產(chǎn)能。其中要求力爭用5年左右時間，大幅壓減、轉(zhuǎn)移京津冀大氣污染傳輸通道城市的鋼鐵產(chǎn)能。目前山東省具有日照鋼鐵、山鋼日照、青島特鋼、山鋼萊鋼、山鋼永鋒鋼鐵、青島特鋼、濰坊特鋼等22家鋼企，2018年粗鋼產(chǎn)量超過7000萬噸。山東省目前制定的計劃是，在確保日照、青島、臨沂和萊蕪、泰安空氣質(zhì)量完成國家和省下達(dá)目標(biāo)的基礎(chǔ)上，將目前分散在12個市的鋼鐵企業(yè)和鋼鐵產(chǎn)能，逐步向日照-臨沂沿海和萊蕪—泰安內(nèi)陸生產(chǎn)基地轉(zhuǎn)移。到2025年，青島董家口、日照嵐山、臨沂臨港等沿海地區(qū)鋼鐵產(chǎn)能占比提升到70%以上。
? 日照市位于中國東部沿海主軸線與新亞歐大陸橋的交匯處、環(huán)渤海經(jīng)濟圈與長三角經(jīng)濟圈的結(jié)合部，因此是一帶一路的重要節(jié)點。2025年山東省將有共計8000萬噸鋼鐵產(chǎn)能，其中有一半布局在日照。根據(jù)《日照市鋼鐵及配套產(chǎn)業(yè)提升計劃實施方案（2017—2021年）》, 全市規(guī)模以上鋼鐵及配套企業(yè)16家， 2020 年鋼鐵產(chǎn)能達(dá)到 4800 萬噸，總產(chǎn)值突破萬億。而按照山東省“十三五減排計劃”，至 2020 年日照空氣質(zhì)量 PM2.5 年均濃度必須控制在 35 μg/m3以下。 如何充分利用最新的、科學(xué)的技術(shù)手段，轉(zhuǎn)變環(huán)保管理模式，提高環(huán)境管理和服務(wù)的效率是當(dāng)前污染防治和大氣保護發(fā)展的迫切需求。本文利用機器學(xué)習(xí)中流行的隨機森林算法，選擇網(wǎng)絡(luò)公開發(fā)布的歷史數(shù)據(jù)，以2013年-2017年數(shù)據(jù)為訓(xùn)練集，以2018-2019年數(shù)據(jù)為未知的測試集，預(yù)測日照市空氣污染物濃度，解析控制其變化的主要影響因子，并給出AQI決策樹的判定閾值。本文為追求可解釋性，所用模型較為簡單，存在一定的分析誤差，特此說明，僅供參考（模型的不確定性分析見下文的方法論部分）。
二、方法論
1. 原理與假設(shè)
? 日照市主要工業(yè)廢氣排放源是鋼鐵工業(yè)和化工業(yè)，且由于地處北方，冬季采暖期居民排放亦不容忽視。根據(jù)《中國能源統(tǒng)計年鑒》，鋼鐵工業(yè)所需能源主要是焦炭，約消耗了86%的焦炭，16%的煤，而焦炭又是從煤中經(jīng)煉焦過程提煉。以2017年為例，對于山東省，煤消耗總量為40927萬噸，焦炭消耗總量為3704萬噸，焦炭消耗量約占煤消耗量的8%，所以鋼鐵工業(yè)的能源消耗量約為(換算為萬噸標(biāo)準(zhǔn)煤)EC-ISF= 16%EC+8%86%*EC=23%EC，EC代表Energy Consumption (工業(yè)能耗)，亦即約占五分之一的工業(yè)總能耗。故在此選取三個與工業(yè)排放的特征：EC_L, EC_H, EC_ISF。分別代表輕工業(yè)總能耗、重工業(yè)總能耗、鋼鐵行業(yè)的能耗。
特征工程：在機器學(xué)習(xí)里，特征可以理解為用以區(qū)分事物的突出特質(zhì)，類似于自變量X。特征可以有成百上千個，用來預(yù)測一個因變量y。數(shù)據(jù)和特征決定了機器學(xué)習(xí)的上限，而模型和算法只是逼近這個上限而已。特征工程目的是最大限度地從原始數(shù)據(jù)中提取有效特征以供算法和模型使用。“特征做不好，調(diào)參調(diào)到老，效果還不好”。
? 至于交通排放源，由于獲得其排放源強極其困難，且面源隨著時間變化較大，不穩(wěn)定，難以量化。筆者認(rèn)為交通排放源與時間相關(guān)，故只建立時間特征。根據(jù)常識，車流量在工作日是比較多的，而在一天之內(nèi)，上下班高峰期也直接影響交通排放源強，而假期也是很影響大家的出行的。下圖為典型的一周內(nèi)不同時間段居民出行時間，來自于Github。可以看出，周六和周日的變化趨勢是相似的，因為它們屬于周末；而周一到周五變化趨勢相同，因為他們屬于工作日。而在周末中，周六的出行時間相對高一些，說明出行在周六更多一些；而在工作日，周五在下班時期出行時間要高一些，說明有一部分人需要往其他地方趕，比如北京的周五下班就有很多人往燕郊通州趕。所以把星期和小時作為一個組合特征比單獨兩個特征在模型里表現(xiàn)更好。在此，筆者把周1,2,3,4,5歸為一類，周6,7歸為一類；小時里也分兩類為白天和夜晚，這樣共有四個特征，編碼為(0,0), (0,1), (1, 0), (1,1), 分表代表工作日的夜間、工作日的白天、周末的夜間、周末的白天。假期的編碼就簡單多了，以0,1編碼即可，1為法定節(jié)假日，0為非假日。工具包見Github。
? 日照市屬于北方沿海城市，其空氣污染物的擴散與內(nèi)陸情況不同，尤其是受海陸風(fēng)環(huán)流的影響較大。海陸風(fēng)對空氣污染物的擴散影響體現(xiàn)在動力學(xué)和熱力學(xué)兩個方面（雖然二者經(jīng)常耦合作用）。從單純的動力學(xué)角度來講，污染物從污染源排出后，通過陸風(fēng)輸送擴散到一定距離外，但是晝夜交替時，風(fēng)向轉(zhuǎn)換，擴散出去的污染物又被海風(fēng)輸送回源地附近，造成污染物的累積，使污染物濃度升高，污染加重。風(fēng)向轉(zhuǎn)換的時間可能不是恰好在傍晚和清晨。
? 從熱力學(xué)的角度來講，海風(fēng)帶來的空氣較為穩(wěn)定，風(fēng)向單一，利于空氣污染物的長距離傳輸過程，倘若止于此，不會造成地面的污染物累積。但是陸地的地表粗糙度和海洋不同，地面受到長波輻射加熱，形成的大氣層不穩(wěn)定，術(shù)語稱之為“熱內(nèi)邊界層”，使污染物更傾向于擴散至地面。如下圖：
? 大氣邊界層內(nèi)（1-2 公里高度以下）的氣象因子之間具備一定的互斥性。氣象因子隨著高度增加而非線性變化：500 米以下為摩擦層，風(fēng)、溫、濕受到粗糙不平的地面的影響。污染物基本上在1500 米高度以下混合均勻。1500 米以上主要是自由大氣，意思是不受地面加熱造成的湍流和地表粗糙度的影響，主要受大尺度環(huán)流控制。如下圖：
? 在海陸風(fēng)環(huán)流較弱、無降水事件發(fā)生的前提下，大氣顆粒物PM2.5濃度在地面的累積主要受夜邊界層的控制，而污染物的擴散主要是白天地面加熱引起的湍流造成。此時顆粒物濃度的晝夜變化特征和邊界層的變化特征類似，極大值出現(xiàn)在早上06:00-8:00，這正是夜間邊界層最強烈的時候。之后空氣污染物擴散均勻，濃度逐漸下降。除了夜邊界層帶來的近地面逆溫外，當(dāng)大氣邊界層頂部出現(xiàn)逆溫和下沉氣流時，也會帶來污染物的累積。
注： 逆溫不利于污染物擴散的原理是冷空氣密度大而下沉，暖空氣密度小而上浮，逆溫正好形成穩(wěn)定的結(jié)構(gòu)。但是這個原理必須在風(fēng)速較小、無降水的情況下才能成立。
2. 數(shù)據(jù)與來源
（1）日照市輕重工業(yè)產(chǎn)值：日照市統(tǒng)計局月報(http://www.rztj.gov.cn/ctnlist.php/mid/)。
（2）日照市輕重工業(yè)能源消耗：日照統(tǒng)計年鑒(https://www.ceicdata.com/zh-hans/china/)。
（3）日照市地面觀測氣象數(shù)據(jù)（溫、濕、壓、風(fēng)、云量、降水、能見度）來自NCDC(美國國家氣候數(shù)據(jù)中心National Climatic Data Center)公開FTP服務(wù)器ftp://ftp.ncdc.noaa.gov/pub/data/noaa/isd-lite/，世界氣象組織WHO的共享氣象站(日照站ID = 549450) 。
（4）日照市高空再分析氣象數(shù)據(jù)來自歐洲氣象中心 (ECMWF) http://apps.ecmwf.int/datasets/ (ERA-interim 0.125°×0.125°)。再分析模型同化所采用的地面觀測數(shù)據(jù)為上文提到的WHO共享氣象站(日照站ID = 549450) 。提取日照市所在網(wǎng)格（邊長約12-15公里）的1000-850 hPa（約0-1500 m）的風(fēng)溫廓線。
（5）日照市環(huán)境監(jiān)測站發(fā)布的AQI數(shù)據(jù)，中國各城市AQI數(shù)據(jù)均已網(wǎng)絡(luò)開源。取三個監(jiān)測站均值。選取時間從2013年11月到2019年3月。
3. 模型的建立與不確定性
? 本文使用的機器學(xué)習(xí)工具包為Python語言的sklearn，特此向研發(fā)者致謝。
（1）模型選取
? 隨機森林和決策樹屬于概率模型，概率模型不需要對原始數(shù)據(jù)進行歸一化預(yù)處理，因為它們不關(guān)心變量的值，而是關(guān)心變量的分布和變量之間的條件概率。隨機森林算法鑒于決策樹容易過擬合的缺點，采用多個決策樹的投票機制來改善決策樹。如果用全樣本去訓(xùn)練決策樹顯然是不可取的，全樣本訓(xùn)練忽視了局部樣本的規(guī)律，對于模型的泛化能力是有害的。隨機森林是一個集成工具，它建立多個這樣的決策樹，然后將他們合并在一起以獲得更準(zhǔn)確和穩(wěn)定的預(yù)測。 這樣做最直接的好處是，在這一組獨立的預(yù)測結(jié)果中，用投票方式得到一個最高投票結(jié)果，這個比單獨使用最好模型預(yù)測的結(jié)果要好。
? 機器學(xué)習(xí)算法應(yīng)用的原則是由簡入繁、由淺入深，先試用簡單的算法，檢查結(jié)果是否可以進一步優(yōu)化，再決定是否使用復(fù)雜的算法。筆者在使用隨機森林之前，已經(jīng)使用決策樹回歸，對上文提到公開歷史數(shù)據(jù)提取的特征和目標(biāo)變量AQI進行了擬合。下文是決策樹在訓(xùn)練集和測試集上的表現(xiàn)隨著深度的變化，可以看出，當(dāng)決策樹的深度大于6層時，雖然在訓(xùn)練集上的準(zhǔn)確度接近于1，也就是完美，但是模型在測試集上的表現(xiàn)提升不明顯，準(zhǔn)確度為穩(wěn)定在0.6到0.7之間。故決策樹深度選擇6-8之間是個明智的取舍。
（2）特征選取
? 決策樹預(yù)測目標(biāo)變量的方式，是通過詢問一些關(guān)鍵特征，答案只需要兩個結(jié)果：是或者不是，就能一步一步接近真相。比如，你根據(jù)一個班級體測結(jié)果判斷某個同學(xué)是男生還是女生，第一個問題是身高，大于180 cm有很大概率是男生；第二個問題是體重，體重小于45kg的很大概率是女生。第三個問題可能是問100米成績了?；旧?-4層決策樹就能確定分類結(jié)果。這是分類問題，對于回歸問題，比如預(yù)測AQI小時濃度，也是同樣的道理，通過詢問各個特征的值，大于/小于某個數(shù)時，空氣污染物的濃度就大于/小于某個值。在一顆決策樹里面，當(dāng)因子分別到達(dá)某個閾值并且組合起來發(fā)揮作用時，空氣污染物濃度便超環(huán)境健康限值。
? 經(jīng)過數(shù)據(jù)探索，我選取19個特征，如下圖。將其字符串格式的特征例如假期和工作日時間以0/1編碼后，特征數(shù)變?yōu)闉?2個。
Features=['EC-L',
'EC-H',
'vacation',
'week_hour',
'AT',
'AP',
'RH',
'WS',
'WD',
'VIS',
'Prec',
'T_950',
'RH_950',
'U_950',
'V_950',
'T_850',
'RH_850',
'U_850',
'V_850']
? 要預(yù)測的目標(biāo)變量如下：
Targets=['PM2.5','PM10','SO2','NO2','O3']
（3）模型不確定性分析
? 模型的不確定性一個來自數(shù)據(jù)方面，是對缺測值的暴力丟棄處理破壞了時間序列的連續(xù)性，對空氣污染物異常值的忽視也會給模型帶來很大誤差。筆者認(rèn)為，只要有一個變量缺測，該時間段的所有數(shù)據(jù)全部應(yīng)該舍棄。例如，某個時間段的O3濃度因為儀器等原因缺測，那么所有的空氣污染物濃度數(shù)據(jù)和氣象數(shù)據(jù)均予以舍棄。對于異常值，目前流行的做法是取95%分位數(shù)的值，大于該值便舍棄，但是筆者沒有這么做。一方面，空氣污染物濃度的異常高值可能是重要的科學(xué)現(xiàn)象，另一方面，過于“干凈”的數(shù)據(jù)在真實世界中并不存在，一旦用潔凈的數(shù)據(jù)訓(xùn)練出了模型，放在真實世界中，可能不適用。經(jīng)驗豐富的數(shù)據(jù)科學(xué)家甚至?xí)桃獾囊胍恍┰胍魯?shù)據(jù)。
? 模型的另一個不確定性來自于對決策樹的修剪和信息熵的壓縮。眾所周知，人的大腦對于一個復(fù)雜信息的理解能力是有限的。語言學(xué)家指出，當(dāng)一個句子超過四行，讀者便沒有興趣讀下去。對于一顆樹來說，主干的粗壯比枝葉的繁茂更加重要。同樣的道理，一個信息既要全面，又要簡潔，這實際上是個權(quán)衡取舍難題。筆者對隨機森林所得的決策樹進行了剪枝處理，將其可視化，保留核心主干。在此過程中，可能會修剪掉一些關(guān)鍵的物理機制。
在信息論中，熵（entropy）是接收的每條消息中包含的信息的平均量，又被稱為信息熵、信源熵、平均自信息量。這里，“消息”代表來自分布或數(shù)據(jù)流中的事件、樣本或特征。
? 為了避免信息熵過大，筆者限制模型使用的最大特征數(shù)為15，限制決策樹的最大深度為8，只保留最關(guān)鍵的特征和主干。參數(shù)的選取與個人經(jīng)驗有關(guān)。隨機森林算法的其他參數(shù)較為復(fù)雜，與計算學(xué)有關(guān)，與科學(xué)關(guān)聯(lián)甚少，概不贅述其參數(shù)優(yōu)化過程。
? 需要注意的是，臭氧的生成與消亡機制與顆粒物迥然不同。下圖是日照市PM2.5和O3濃度的概率分布，可以看出，PM2.5是正常的單峰正態(tài)分布，而O3是反常的雙峰分布。PM2.5的來源主要是地面源，所以從統(tǒng)計學(xué)理論上確實應(yīng)該是正態(tài)分布，當(dāng)然由于顆粒物爆發(fā)性增長，高值有些長尾分布。臭氧在0-80 μg/m3的第一個峰可以看作是標(biāo)準(zhǔn)正態(tài)分布，來源主要是地面排放的NO2、VOCs等前體物經(jīng)光化學(xué)氧化而成。而在50 μg/m3左右出現(xiàn)了第二個峰，這個峰可能是其他過程的疊加效果。地面O3 濃度的升高可能來自高空向下的輸送?，F(xiàn)在夏季觀測到的臭氧濃度高值是否可以稱之為O3污染，是需要反復(fù)爭吵辯論的。所以臭氧來源的復(fù)雜性也是模型不確定性來源之一。
? 本文的原理假設(shè)未考慮沙塵過程、工業(yè)脫硫設(shè)施的更新、汽車新國標(biāo)的實施等關(guān)鍵因子，相應(yīng)地，模型預(yù)測大顆粒PM10、二氧化硫SO2、二氧化氮NO2的表現(xiàn)不盡如意。
三、日照市2013-2019年空氣污染特征分析
? 即使是采用機器學(xué)習(xí)這樣的大殺器，對數(shù)據(jù)挖掘探索也是個不能免去的繁瑣過程。這是進入決賽場之前必須的預(yù)（qian）賽（xi）。
1. 時間特征
? 我們先探索要預(yù)測的因變量AQI。為節(jié)省篇幅，以PM2.5為例。方法論中提到過，我構(gòu)建了幾個和時間有關(guān)的特征。編碼為(0,0), (0,1), (1, 0), (1,1), 分表代表工作日的夜間、工作日的白天、周末的夜間、周末的白天。從下圖可以看出，對于日照市來說，周末的白天，大氣顆粒物PM2.5平均濃度比其它的時間段平均濃度稍高，但是工作日出現(xiàn)較多極端高值。
? 至于臭氧，平均濃度的大小順序是：周末白天> 工作日白天> 周末白天> 工作日夜晚。起主要作用的是晝夜，工作日的作用較弱。這一點從臭氧的前體物之一NO2的變化也可以看出，工作日夜間NO2均值最高而O3濃度最低，而周末白天NO2濃度均值最低而O3濃度最高。這可能是因為臭氧的濃度變化和二氧化氮的濃度變化不是同步的，臭氧濃度在白天的增加需要前夜的前體物積累。
? 下面三張圖是日照市PM2.5濃度的時間變化，分別是一周滑動平均、年均值、季節(jié)均值。注意2013年(只有11月-12月)和2019年(只有1-3月)數(shù)據(jù)不全，年均值只看2014-2018年即可?？梢钥闯?，由于“十二五”和“十三五”環(huán)保政策的實施，空氣污染物年均濃度逐年下降的。
2. 非時間特征
? 一開始根據(jù)常識，能見度、風(fēng)、濕這幾個氣象因子容易和大氣顆粒物濃度關(guān)聯(lián)起來。在風(fēng)速較小時污染物會累積，顆粒物經(jīng)過米氏散射陽光，使能見度下降，但是在低云、海霧現(xiàn)象中水汽和液滴也會使能見度下降。從下圖可以看出，PM2.5濃度峰值出現(xiàn)相對濕度50-70%、風(fēng)速接近于0、能見度10公里左右。這說明海霧等現(xiàn)象對大氣顆粒物濃度起到一定的增加作用。
? 至于臭氧，從下圖可以看出，其濃度高值發(fā)生在氣溫20攝氏度以上、低壓氣旋天氣，而相對濕度和云霧低能見度天氣的影響不明顯，風(fēng)速只有大于 6 m/s時才有可能起到清除臭氧的作用。高溫低壓上升氣流反而會增加地面的臭氧濃度，這一點筆者表示十分疑惑。夏季低壓一般帶來陰雨天氣，光化學(xué)氧化效應(yīng)較弱，可能的解釋是氣旋破壞了穩(wěn)定層結(jié)，使高空臭氧與近地面臭氧混合。另外，臺風(fēng)中心是上升氣流，但是臺風(fēng)外側(cè)卻是輻合下沉氣流。
? 由于空氣污染物的累積過程發(fā)生在整個大氣邊界層（1-2公里高度以下），單純看地面的特征是不合適的，需要結(jié)合垂直廓線上的氣象因子的分布。以2019年3月為例，3月上旬以顆粒物污染為主，3月中下旬以臭氧污染為主。從風(fēng)溫廓線可以看出，3月上旬日照市大氣邊界層內(nèi)風(fēng)速較小，偏靜穩(wěn)狀態(tài)下顆粒物在近地面累積。而三月下旬風(fēng)力增大，伴隨著幾次升溫過程，顆粒物濃度下降，但是臭氧濃度的變化和氣象因子關(guān)系不明顯， 尤其是3月9日和3月22日的兩次來自北方的冷空氣過境，顆粒物濃度明顯下降至40 μg/m3，但是臭氧濃度仍然上升至接近100 μg/m3，倒像是與時間周期有關(guān)的序列。
3. 日照市AQI預(yù)測決策樹及控制因子
（1）隨機森林預(yù)測PM2.5
? 隨機森林算法可以給出各個特征在決策中的重要程度，最大為1，最小為0。下圖為控制PM2.5濃度的各個特征重要性。 可以看出，起主要作用的特征是能見度、邊界層頂部1500米高度的溫度和濕度、地面相對濕度、海陸風(fēng)（海陸風(fēng)環(huán)流發(fā)生在1000米高度以下，U_950可以代表約500米高度的東西方向風(fēng)）。這說明云霧天氣和海陸風(fēng)環(huán)流的耦合效應(yīng)對日照市大氣顆粒物的增長具有突出貢獻(xiàn)。
? 下圖是經(jīng)過提煉和剪枝后的PM2.5濃度的決策樹：
? 可以得出如下結(jié)論：
海陸風(fēng)環(huán)流、云霧過程在不同季節(jié)、 不同氣象條件下發(fā)揮的作用不一樣甚至是相反的。
極端重污染過程發(fā)生的條件是冬季的低溫高濕但不形成降水的時間段。
非采暖季節(jié)，云霧過程雖然帶來了低能見度天氣，但是帶來的降水會將顆粒物濃度清除至40 μg/m3 以下。
采暖季節(jié)，云霧過程既讓能見度下降，又會使顆粒物濃度上升至60-100 μg/m3。
非采暖季節(jié)，陸風(fēng)較弱，不利于顆粒物等污染物向海上擴散。而海風(fēng)也有擴散效應(yīng)，但是風(fēng)力較弱時也不會使顆粒物濃度造成明顯下降。所以日照市在海陸風(fēng)環(huán)流較弱的情況下，最普遍的顆粒物濃度是80 μg/m3左右。這種良至輕微污染情況會在強北風(fēng)下消散。
日照市的輕重工業(yè)能耗對于顆粒物濃度的效應(yīng)不明顯，處于決策樹的末端枝葉，這說明自然條件占據(jù)主導(dǎo)。
（2）隨機森林預(yù)測O3
? 從下圖特征重要性可以看出，地表氣溫、地表濕度、地表風(fēng)向風(fēng)速是控制臭氧濃度的決定性因子，占90%以上的比重。
? 下圖是經(jīng)過提煉和剪枝后的O3濃度的決策樹：
? 可以得出如下結(jié)論：
冬季偏西的陸風(fēng)有利于臭氧濃度維持在一個質(zhì)量等級優(yōu)良的水平，而冬季偏東的海風(fēng)會讓臭氧達(dá)到輕度污染水平。
在非采暖季，相對濕度< 83%，未發(fā)生云霧過程時，偏南風(fēng)帶來的暖氣流使臭氧濃度上升至> 100 μg/m3。但是從西北方向來的冷空氣也會使臭氧濃度偏高。
在非采暖季，相對濕度>83%，亦即發(fā)生云霧過程時，臭氧濃度較低 (< 70 μg/m3)，但是東南風(fēng)會使臭氧濃度升高。這說明臭氧高空向下傳輸更傾向于發(fā)生在偏暖的氣流條件下。
夏季，邊界層內(nèi)晴朗干燥時，臭氧濃度上升至嚴(yán)重污染等級。
日照市的輕重工業(yè)能耗對于臭氧濃度的效應(yīng)也不明顯，處于決策樹的末端枝葉，這說明自然條件占據(jù)主導(dǎo)。
（3）隨機森林預(yù)測PM10
? 隨機森林預(yù)測PM10、NO2、SO2的誤差較大，決策樹可能不準(zhǔn)確。本文的原理假設(shè)未考慮沙塵過程、工業(yè)脫硫設(shè)施的更新、汽車新國標(biāo)的實施等關(guān)鍵因子，相應(yīng)地，模型預(yù)測大顆粒、二氧化硫、二氧化氮的表現(xiàn)不盡如意。以下只給出特征重要性。
（4）隨機森林預(yù)測NO2
?
（5）隨機森林預(yù)測SO2
?
四、尾聲
? 每個行業(yè)、每個企業(yè)都在受到天氣和環(huán)境的影響。美國航空航天局NASA指出，美國至少有三分之一的經(jīng)濟產(chǎn)值與氣象和空氣污染有關(guān)。如何將將分散的氣象、環(huán)境、水文、地質(zhì)、社會經(jīng)濟等數(shù)據(jù)匯集并融合，是提高環(huán)境預(yù)測結(jié)果、解析污染特征、防范環(huán)境風(fēng)險的關(guān)鍵，而機器學(xué)習(xí)算法只是統(tǒng)計學(xué)上的勝利而已。我們相信，學(xué)科之間界限的打破、人工智能技術(shù)的發(fā)展和數(shù)據(jù)孤島之間的連接會使我們更好地來描繪整個自然界，讓人們更好地認(rèn)知環(huán)境。
