摘要
一种大气CO2浓度水平对PM2.5污染源减排敏感性分析方法,涉及大气污染物及温室气体协同减排领域,包括以下步骤:第1步:构建PM2.5组分和CO2混合输入浓度矩阵及不确定性矩阵;第2步,采用特定的因子分解办法计算PM2.5和CO2的污染源贡献;第3步,构建碳波动指数与PM2.5污染源波动指数,以建立机器学习模型训练数据集;第4步,采用XGBOOST算法构建CO2对PM2.5污染源的非线性关系,通过减少不同PM2.5污染源的比例,来预测CO2浓度变化;第5步,采用XGBOOST算法构建PM2.5污染源对CO2污染源的非线性关系,通过减少不同CO2污染源的比例,来预测PM2.5浓度变化;本发明创造性地将因子分解方法和机器学习方法结合,将PM2.5污染源减排与CO2浓度联系,解决了污染物防控与温室气体防控相割裂的问题,在大气污染防治和气候改善方面,具有很好的应用前景。
技术关键词
XGBOOST算法
指数
矩阵
敏感性分析方法
机器学习模型训练
大气污染防治
因子
机器学习方法
非线性
数据
温室
关系
训练集
序列
气体
气候
办法
物理
系统为您推荐了相关专利信息
动态时间规整算法
标注系统
多模态
视频流
跨模态