基于SVR-LUR模型的城市道路PM10空间浓度分布模拟

针对传统土地利用回归模型(Land use regression,LUR)未考虑影响因子与大气污染物之间非线性复杂关系和易出现多重共线性的问题.以PM10为例,采用支持向量回归机(Support vector machine regression,SVR)改进土地利用回归模型的建模方法构建SVR-LUR模型,对上海市南浦大桥周边区域PM10空间分布进行模拟.研究结果表明:1、研究区域PM10浓度与100 m缓冲区内的空地面积,150 m缓冲区内的建筑工地面积、空地面积、河流面积,200 m缓冲区内的绿地面积和河流面积,以及湿度、交通流量和背景浓度相关性较高.2、 SVR-LUR模型可较好地对研究区PM10浓度进行空间分布预测.SVR-LUR模型与LUR模型相比,SVR-LUR模型预测精度较高,其测试集比LUR模型测试集的平均绝对误差(Mean absolute error,MAE)及均方根误差(Root mean squares error,RMSE)分别减小了22.92%、33.51%,拟合指数(Index of agreement,IA)值增加了13.20%.相较于普通克里金插值模型所得到的单一梯度空间分布预测结果,SVR-LUR模型能够更有效揭示小范围内的空间差异.3、研究区PM10浓度空间分布呈现出西高东低的总格局,在建筑物和路网密集的地方浓度较高,而在靠近江面和空地的区域浓度相对较低.模拟结果与实际情况相符.