车祥：基于机器学习算法的典型工业区环境空气VOCs浓度预测研究

文章预览

 特别提示    微信公众号机制调整，请点击顶部“VOCs前沿” → 右上方“…” → 设为 ★ 星标，否则很可能无法看到我们的推送。 基于机器学习算法的典型工业区环境空气VOCs浓度预测研究 车 祥 上海市环境监测中心，上海  200235 摘要： 挥发性有机物(VOCs)是重要的臭氧前体物，实现VOCs浓度预测可为区域大气污染预警与精准管控提供支撑。基于2022年上海市某典型工业区的区域观测VOCs小时体积分数、同期中尺度天气模型(WRF)分层气象因子预报数据、重点企业用电量数据，利用长短期记忆网络(LSTM)算法构建了区域VOCs预测模型，对2023年1—4月区域VOCs小时体积分数进行预测，预报时效为24h。基于区域污染溯源结果，构建了正常排放情景数据集，将预测值、观测值、正常排放情景数据集进行比较和分析，评估了预测值的准确性。 结果表明： ① 预测值 ………………………………