关键词： 库岸滑坡   成因机制   机器学习   点预测   区间预测  

摘要： 我国三峡库区山地丘陵广布,地质条件复杂,加之雨季降雨量较为丰富,是典型的库岸滑坡高发区。受库水位高程变动及周期性强降雨的影响,该地区存在大量具有“阶跃”变形特征的新老滑坡,即在一个周期内长时间保持平稳变形,某一时刻变形突然加剧,而后又恢复稳定。对滑坡进行预测预报作为灾害防治的有效手段之一具有十分重大的工程意义,机器学习是一种使计算机模仿人类大脑进行运算的智能模型,将其与工程实际进行结合是目前各个领域的研究热点,已被成功应用于滑坡位移的预测方向。模型输入与输出数据间的相关性程度决定着其预测性能的优劣。因此,本文以白家包滑坡为例,对其变形机制和诱发因素进行了详细分析,并提出一种基于机器学习方法的位移点预测模型,随后又在此基础上提出了两种分别适用于不同规模样本的区间预测模型,以此量化点预测过程中存在的不确定性。本文重点做了以下工作: (1)结合现场工程地质资料及相关监测数据对白家包滑坡成因机制进行分析,重点分析了影响滑坡变形的内部控制因素和外部诱发因素。结合位移监测资料对滑坡的变形特征进行阐述,并深入探讨变形特征与影响因素间的响应关系。 (2)基于白家包滑坡ZG326监测点历史监测变形数据,采用变分模态分解法(VMD)将具有“阶跃”变形特征的位移进行分解,得到多个具有不同变形特征的位移分项。然后利用模糊C均值聚类法(FCM)将多个分项进行聚类得到具有实际物理意义的随机项、波动项和趋势项位移。在三组位移分项与初设影响因子间建立灰色关联度模型,根据相关性系数为每个位移分项选择有效影响因子。将有效影响因子作为输入数据,相应的位移分项作为输出数据建立贝叶斯优化的最小二乘支持向量机(Bayes-LSSVM)进行训练及预测。叠加位移分项预测值得到总累积位移的预测值。将上述模型应用于ZG323、ZG324和ZG325监测点的位移预测中,根据预测结果对所提方法的适用性进行验证。随后将上述模型与六种不同模型的预测结果进行对比,体现了所提模型的优越性。 (3)为解决传统点预测方法无法对滑坡位移预测过程中的不确定性进行量化的问题,提出一种适用于小样本数据的区间预测方法。首先采用不同的Bootstrap抽样方法对各位移分项数据集进行抽样,得到多组伪数据集,分别针对每组伪数据集建立相应的预测模型,计算得到预测区间。将基于不同抽样方法得到的预测区间进行对比,由此为每个位移分项选择最优抽样方法。利用各个位移分项的最优抽样法进行抽样预测,得到位移回归均值及系统误差方差。然后将所有的有效影响因子作为输入,模型的平方残差序列作为输出,建立蝙蝠算法优化的核极限学习机(BA-KELM)进行训练预测得到随机误差方差。将点预测值与上述两种误差的方差结合得到位移的预测区间。同样将所提方法应用于其他三个监测点,得到的预测区间表现均较好,表明模型适用性较高。然后将所建模型与其他两种不同模型的预测结果进行对比,从而验证所提模型的优越性。 (4)上述Bootstrap法对小样本数据适用性较强,预测结果的可靠度较高。但当样本规模变大时,该方法计算成本大幅增加,明显不再适用。因此提出一种适用于大样本数据的区间预测方法。将原始数据集划分为训练集、误差生成集和预测集,采用训练集对上述点预测模型进行训练,并根据训练后的模型对误差生成集进行预测,计算得到各点预测误差。由于单个监测点生成的误差数量较小,本文采用同样的方法对与ZG326具有工程相似性的ZG323、ZG324和ZG325监测点进行点预测,并将得到的预测误差作为原始预测误差集的补充数据,以此满足大样本条件。分别利用参数法和非参数法对误差分布的概率密度函数进行估计,计算得到不同的预测区间。通过差分进化算法将基于两种方法得到的预测区间进行加权组合,获得同时满足较高覆盖率和较窄宽度的高性能区间。同样地,利用该方法构建其余三个监测点的组合预测区间,根据预测结果验证本文模型的适用性。

关键词： 癫痫   机器学习   时频分析   边中心网络   分类   预测  

摘要： 癫痫脑电的分类研究,可以帮助临床医生快速识别出癫痫疾病,从而摆脱繁重的工作,提高诊断效率;癫痫脑电的预测研究,可以让患者通过治疗性干预来预防癫痫发作,极大地降低患者受到意外伤害的概率。癫痫脑电的分类和预测研究对提高人口素质和健康水平都有着深远意义。机器学习算法在近十几年来被广泛运用到各个领域,特别是在模式识别和预测研究中取得了巨大的成果。本文采用了多种机器学习算法对癫痫脑电信号进行分类与预测研究,具体工作如下:首先,对癫痫脑电信号进行预处理。采用CHB-MIT数据库、德国波恩大学脑电图数据库和印度新德里神经病学数据库的数据,使用小波变换进行去噪,并运用频谱不对称分析获取患者的最优单通道,通过最优通道数据进行后续研究。其次,采用Inception Net-V3卷积神经网络、SVM、K-NN、逻辑回归四种机器学习算法结合时频分析与边中心网络的特征提取方法对癫痫脑电进行分类。将脑电信号转换为时频图,利用Inception Net-V3卷积神经网络区分出正常脑电和发作期脑电,在CHB-MIT数据库24位患者中最高分类准确率为95.8%,波恩大学脑电图数据库和新德里神经病学数据库的准确率分别为90.2%和96.2%;同时采用边中心网络特征提取方法,利用SVM、K-NN、逻辑回归进行分类,在CHB-MIT数据库中最高分类准确率为96.9%,波恩大学脑电图数据库和新德里神经病学数据库的准确率分别为99.3%和98.6%。结果表明,边中心网络特征提取能够实现更理想的分类效果。最后,采用时频分析与边中心网络的特征提取方法对癫痫发作进行预测研究。分析了癫痫发作前20分钟的数据,以5分钟的数据长度为一个时间段,分为发作前0-5分钟、5-10分钟、10-15分钟和15-20分钟四个时间段,对四个时间段的数据进行预测,发现在发作前0-15分钟的预测准确率高于15-20分钟这一时间段内的预测准确率。结果表明,癫痫发作前15分钟内能够实现较理想的预测效果。本文采用了时频分析与边中心网络两种特征提取方法,对癫痫脑电分类时,边中心网络的特征提取方法能实现更好的分类效果;对癫痫发作预测时,两种特征提取方法差异并不明显,但结果是一致的。研究结果表明,本文方法可用于癫痫的检测和癫痫的发作预测研究,对癫痫的自动检测与预测研究有重要的意义,其中边中心网络的特征提取方法为癫痫检测研究提供了新的思路,对了解大脑的病理症状及临床诊断具有重要意义。

关键词： 手机价格分类预测   逻辑回归   组合权重   支持向量机   K近邻法  

摘要： 中国是全球智能手机用户第一大国,并且手机用户的数量还在呈现逐年上涨的趋势,但是国产手机用户的渗透率不高,海外手机对国产手机形成巨大压力。国产手机市场犹如一片“红海”,市场上的产品同质化严重,价格竞争十分激烈,智能手机行业开始进入不健康的发展期。随着5G技术的不断应用,5G手机开始成为行业的主流,根据2021年上半年中国信息通信研究院发布的数据显示:国内市场5G手机出货量为1.51亿部,同比增长94.3%.这一增长趋势,既说明5G手机是未来消费者的主流需求,也说明5G技术为疲软的智能手机市场注入了新的活力。但是5G手机的高价格门槛也将大量的用户阻挡在外,为了快速渗透市场,5G手机的生产制造商开始不顾芯片的短缺,掀起一场挑衅性的价格战,千元5G手机,价格一低再低,并且质量还要有所保证,因此虽然5G手机的出货量不断增加,但是销量的增加并没有带来利润的增加。本文正是基于以上背景,分析Kaggle网站上的移动手机数据集,采用多种不同的机器学习分类算法构建关于手机价格的分类预测模型,并对比各种方法从中选出最优模型。这样一方面可将最优模型在未知类别的数据集上进行分类预测,另一方面希望可以将本文所用的实证研究方法推广到市场上关于手机定价的相关情形,从而对智能手机设备生产制造销售商和消费者提供合理的价格底线。此外,本文还提供面对海量数据集的处理方法,以应对大数据时代的现实需求。具体地,本文首先对数据进行预处理,通过处理缺失值、标准化以及对数据特征进行描述性统计和多重共线性检验,整体上把握数据的分布情况;接着分析了20个手机特征关于因变量手机价格范围的相关分析,得出影响手机价格范围的关键变量,并且分别可视化关键变量——随机存取存储器、电池、像素分辨率高度和宽度与价格范围的内部联系;在经过探索性数据分析之后,应用决策树、随机森林、GBoost、Ada GBoost、XGBoost、逻辑回归、支持向量机和K近邻法对手机价格范围进行分类、并结合准确率、精确度、召回率和F-1值评价各种方法的预测效果。在8种机器学习分类模型中,综合改进前后各种模型的表现,得出最优模型为逻辑回归,其在手机价格分类与预测的过程中效果突出,4项评价标准的正确率均在90%以上;相比于其他模型,K近邻法、支持向量机在应用组合权重前后,在分类预测准确率上提质明显;但是对于集成学习算法而言,这种改进没有取得预期的效果;说明在具体的实际手机价格分类预测过程中,不能一概而论,需要对具体情形应用不同的情况。对于海量数据集,本文考虑分别采用简单随机抽样、均匀抽样、行范数抽样以及杠杆值抽样对数据集进行选取。通过对比模型运行时长和最优模型逻辑回归分类预测准确率,可以确定合适的抽样方法与样本容量,从而选取合适的数据集。

关键词： 热轧   板凸度   深度学习   集成学习   代价敏感多分类  

摘要： 热轧过程机理模型存在大量简化性假设,限制了板凸度控制精度的进一步提高。本文以国内某2160 mm热轧带钢凸度控制为研究对象,基于热轧生产过程工业大数据,采用数据驱动算法建立了板凸度预测模型,提高了模型设定与控制精度,提出了非平衡数据分类算法,实现了板凸度异常带钢的准确分类。本文主要内容如下: (1)研究了热轧带钢凸度自动控制策略,介绍了凸度的概念、影响因素,结合轧制过程中轧辊弹性变形、磨损和热膨胀理论模型,阐述了凸度自动控制系统中预设定、自学习、凸度前馈与反馈控制方法。 (2)研究了数据驱动方法的基本思想和相关算法原理,介绍了决策树、支持向量机和神经网络基本模型,分析了集成学习和非平衡数据分类问题,基于Python语言和PyCharm软件搭建了机器学习数据挖掘平台。 (3)采集热轧生产现场大规模历史数据,结合工艺机理完成了特征筛选、归并、异常剔除和归一化等数据预处理工作,消除了无关变量、量纲差异、离群数据对模型性能的影响。建立了基于神经网络、随机森林和深度森林的带钢凸度预测模型,采用RMSE、MAE、MAPE和R作为评价指标,对各模型进行了参数网格搜索寻优和模型性能评价,最终结果显示深度森林模型指标为:RMSE、MAE、MAPE、R分别为5.4744 μm、4.1830 μm、8.821%、0.878,深度森林模型预测性能最佳。 (4)传统分类方法多用于平衡数据分类,针对热轧带钢凸度数据分布不均衡的问题,为避免采样方法改变原始数据分布,引入并改进了代价敏感方法,提出了结合一对一分解策略将多类数据集分解为多个二类数据子集,对于每一个数据子集采用代价敏感方法解决,建立了基于分解策略和代价敏感学习的OVO-CSMLP模型。以MAUC、G-mean和F1-Macro作为分类模型的性能评价指标,采用了 UCI中部分标准数据集和6类常用于非平衡数据分类任务的模型作为对比算法,验证了提出模型的有效性。将上述模型应用于热轧带钢凸度数据分类任务,结果显示OVO-CSMLP模型指标为:MAUC、G-mean和F1-Macro均值分别为0.903、0.876和0.824,3个指标对应的标准差分别为0.018、0.027和0.022,OVO-CSMLP模型分类性能最佳,泛化性能强,实现了对非平衡热轧数据的异常分类。 本文的研究结果针对热轧带钢的凸度预测与异常分类,具有较强的实用性,研究成果对板凸度预测模型的开发和控制系统的优化具有一定的指导意义。

关键词： 聚类分析   机器学习   深度学习   强直性脊柱炎  

摘要： 目的:由于强直性脊柱炎固有的异质性,需要针对不同人群制定个性化治疗。因此我们希望通过一种新的方法将强直性脊柱炎患者分为相互独立的亚组,便于后续个性化治疗的开展。 方法:我们根据2011年9月1日至2021年4月30日收集的356名强直性脊柱炎患者的数据集,通过无监督的K-means聚类算法,将人群分为若干个聚类,通过患者是否接受手术治疗反映临床预后,并通过生存分析判断聚类间的临床轨迹和需接受手术治疗的风险状况是否有显著差异。按照其临床轨迹和需接受手术治疗的风险状况定义高危人群。随后,拆分数据集为训练集与测试集,并训练两个机器学习模型对高危人群进行预测。一个模型为多层感知器,另一个模型为随机森林。单变量逻辑回归分析被用来确定具有显著P值的候选预测因素。LASSO回归方法被用来选择最佳预测变量子集。最后,将最佳预测变量子集分别输入两个预测模型中。最后通过测试集中的ROC曲线和混淆矩阵评价两模型的预测效果。 结果:356名强直性脊柱炎患者通过K-means聚类分析分为两个聚类。其中选择了以下4个代表性特征进行聚类分析,包括BASFI、BASDAI、骶髂关节炎评分、BASRI-hip。绘制两个聚类的无手术生存期K-M曲线以及累计手术风险曲线,可见两聚类间存在显著差异(p<0.001)。表明两聚类临床预后具有明显差异。按照接受脊柱或髋关节手术的累计手术风险高低将两聚类分别定义为高危组和低危组。测试集中两模型ROC曲线和混淆矩阵表明本研究中两个模型均有良好的预测效能,可能可以作为早期识别强直性脊柱炎高危人群的有力工具。 结论:本研究通过机器学习的算法开发了一个新的分类方法将强直性脊柱炎患者群体从内部分为两个差异显著的独立群体,其中高危组患者在近几年内有更大的可能性因为脊柱或髋关节病变进展而需要接受手术治疗。考虑到强直性脊柱炎的异质性,本研究可能有助于强直性脊柱炎患者的亚分类,并可能在未来实现更加个性化的治疗。此外,我们也探索了引起预后差异的可能因素,为未来的临床试验设计提供信息,以更好地探索疾病机制。

关键词： 天然气价格   天然气消费量   预测   机器学习  

摘要： 能源是人类社会赖以生存和发展的物质基础,在国民经济中具有特别重要的战略地位。无论在社会、经济还是环境方面,能源对任何国家的可持续发展都是至关重要的。全球超过五分之一的一次能源来自天然气,天然气是一种清洁的化石燃料。价格是重要的市场信号之一,天然气价格的变化必然会对天然气贸易和全球能源市场产生影响。准确预测天然气价格,能够帮助优化决策管理及防范潜在风险,有助于能源规划和监管决策。天然气需求不断增长,其消费水平也是衡量一个国家经济表现的重要标准之一。准确预测天然气消费量,能够促进资源节约利用,有效降低成本,更好地进行生产规划和基础设施建设。因此,对天然气价格和消费量进行准确预测,不仅为有效规划和实施能源政策提供了重要的指导,而且在经济规划、能源投资和环境保护等方面产生深远影响,是实现碳达峰、碳中和目标的一项重要工作。本文以美国天然气市场为研究对象,运用机器学习的研究方法,重点研究天然气价格和消费量的预测问题。本文的主要工作与创新如下:(1)利用一种机器学习方法,即梯度增强机,预测天然气价格。目前该方法在天然气价格预测领域还没有应用。以取暖油价格、原油价格、天然气旋转钻机数、市场产量、消费量、地下存储量和进口量为输入变量,选取了2001年1月至2018年12月的价格时间序列。采用梯度增强机对每日、每周及每月的Henry Hub天然气现货价格数据进行分析。通过对数据实施一系列预处理操作,从日数据、周数据、月数据三个不同的维度,对梯度增强机中的参数进行反复调整。研究表明,以最小二乘为损失函数的梯度增强机预测模型具有较高的预测性能,在天然气价格预测方面具有优势。(2)探讨基于四种机器学习方法(人工神经网络、支持向量机、梯度增强机和高斯过程回归)的天然气价格预测模型。通过模型评估和参数选择,分析和比较这四种代表性的机器学习方法在天然气价格预测中的性能。其中,人工神经网络中选择具有外生输入的非线性自回归模型;支持向量机选择均方根误差小的二次型核函数作为核函数;梯度增强机中采用适合回归模型的最小二乘为损失函数;高斯过程回归选择均方根误差小的平方指数核作为核函数。采用2001年1月至2018年12月Henry Hub天然气现货价格月度数据建立四种预测模型。输入变量为取暖油价格、原油价格、天然气旋转钻机数量、加热度日数量、降温度日数量、市场生产量、消费量、地下储量、进口量和前期天然气价格。实证结果表明,四种机器学习预测方法在预测天然气价格方面都有较好的效果。总体而言,人工神经网络和支持向量机的预测性能要优于梯度增强机和高斯过程回归。其中,人工神经网络的性能明显优于其他方法,而梯度增强机相对较弱,但它可以得到输入变量对天然气价格变化的相对影响。(3)提出一种新的混合模型用于天然气价格预测。该模型将深度学习预测工具和基于压缩感知的去噪技术相结合。首先,将压缩感知去噪作为预处理程序,对天然气现货价格原始数据进行去噪处理,以便提取纯净数据;然后利用强大的深度学习模型对纯净数据进行建模,得到最终的预测结果。以Henry Hub天然气现货价格数据为样本数据的实证研究表明,通过将深度学习和压缩感知两种技术的优势充分结合所构造的混合模型,在水平和方向预测上都优于单一模型,基于压缩感知的去噪可以显著提高深度学习模型的预测能力。(4)研究基于四种机器学习方法(人工神经网络、支持向量机、梯度增强机和高斯过程回归)的天然气消费量预测模型。采用2001年1月至2018年12月美国天然气消费量月度数据建立四种预测模型。以工业生产指数、个人收入、人口、加热度日数、降温度日数、市场生产量、净进口量、净库存提取量、价格和前期天然气消费量为输入变量。还分别对住宅、商业、工业、电力和运输五个行业的天然气消费量进行预测。实证结果表明,四种机器学习预测方法在预测天然气消费量方面均具有较好的效果。总体而言,高斯过程回归和人工神经网络的预测性能要优于支持向量机和梯度增强机。其中,高斯过程回归的性能要略优于其他方法。

关键词： 先兆子痫   风险预测   机器学习   胎盘细胞   亚群分类  

摘要： 胎盘作为哺乳动物母体和胎儿之间独特的交换器官，在人类妊娠成功和胎儿健康中发挥着重要作用。先兆子痫(Preeclampsia,PE)作为胎盘功能障碍疾病是造成孕产妇及胎儿死亡率高的主要原因。传统依据产妇新发高血压和蛋白尿等临床症状的PE检测普遍存在较高的假阳性，也给患者造成了心理焦虑以及增加额外医疗保健费用。随着单细胞组学等高通量测序技术在生殖和发育领域的广泛应用，积累了海量的胎盘细胞亚型及PE相关的组学数据和临床数据。因此，通过机器学习开发计算模型辅助胎盘细胞亚群鉴定和准确预测PE风险，可以为妊娠健康检测新的思路和方法。　　在本研究中，我们提出了一个对胎盘细胞亚群进行分类的计算模型。首先，以单细胞转录组(scRNA-seq)基因表达数据为特征，使用5种特征选择策略分别对健康妊娠胎盘细胞的基因重要性进行打分排序，目的是删除冗余特征信息。随后，使用4种机器学习模型进行训练，通过比较不同组合的预测性能来筛选最优特征子集和最优模型。结果表明，基于TURF特征筛选结合XGBoost机器学习构建的TURF_XGB学习模型对9类主要的细胞亚群分类预测效果最优。针对训练集上，TURF_XGB模型仅使用110个基因的表达特征的预测准确度(Accuracy,ACC)达到92.89%，在独立测试集ACC为92.61%。进一步的功能富集分析发现110个特征基因可以表征胎盘不同细胞亚群的异质性生物学差异，这些基因可以作为特定胎盘细胞亚群的潜在分子标记。　　随后，我们使用LASSO特征选择方法对PE和健康妊娠的单细胞转录组基因集进行特征分析，共获得497个具有PE标识能力的基因。通过与TURF_XGB筛选的110个基因联合分析，结果发现树突状细胞与PE存在最紧密的联系。进一步联合DNA甲基化数据分析发现，有9个基因存在异常的表观修饰，并提示C1QB可能通过介导炎症进而导致PE的发生。进而，基于LASSO筛选得到的497个基因特征，论文搭建完成了一个包含5种机器学习方法的集成打分模型用于预测PE患病风险，针对训练集的ACC为95.21%，针对独立测试集的ACC为94.62%，受试者工作特征曲线(ROC)为99.20%。为提高模型在临床应用中的便利性和灵活性，我们进一步建立了风险分层卡来实现对患者患病风险分层，对应5个风险级别分别为非常高、高、正常、低和非常低。　　最后，我们利用孕妇的常规临床检查数据来建立PE预测模型。首先对来自常规临床检查数据的共计97项指标进行特征优化，最终筛选出7个关键指标来用于模型构建。结果发现，基于K-nearest neighbors(KNN)算法预测模型表现最优，在独立测试集的ACC和ROC分别为82.56%和90.00%。研究结果表明，基于临床常规检查数据也可用于预测PE患者的辅助临床诊断，优势是不增加孕妇的就医成本和心理负担，但预测效果不如基因表达数据。为了方便用户使用这些模型，我们设计了一个免费的在线web服务器。本文构建的一系列基于机器学习方法的预测模型为人类胎盘细胞亚群分类和PE风险预测提供了新的途径，有助于妊娠期健康监测以及相关疾病的快速诊断，进而降低死亡率以及节省医疗支出。

关键词： 土壤质地   空间分布   因素分析   随机森林   分类回归树  

摘要： 【目的】基于历史数据，利用机器学习方法分析宁夏南部土壤质地空间变异规律及其与环境因素之间的关系。【方法】基于宁夏回族自治区南部428个20世纪80年代第二次土壤普查土壤剖面点数据，采用分类回归树（CART）和随机森林（RF）两种机器学习方法，结合地形因子、土壤类型、归一化植被指数，探究与宁夏南部地区土壤质地分布相关性较强的环境因素，并用两种机器学习预测该区土壤质地类型的空间分布，用剖面点验证集数据以及宁夏回族自治区海原县实测样点数据验证模型精度。【结果】（1）RF和CART对剖面点验证集土壤质地类型的预测正确率分别为62.36%、55.29%，接收者操作特性（receiver operating characteristic,ROC）曲线下面积（area under roc curve,AUC）分别为0.7515、0.6933，对海原县122个实测样点的预测正确率分别为54.10%、48.36%,AUC分别为0.6599、0.5981,RF的预测精度高于CART。（2）该区土壤类型（ST）是与土壤质地空间分布相关性最强的环境因素，其次是高程（Ele），高程越高，土壤质地越黏重。风力作用指数（WEI）和坡度（Slo）对土壤质地的影响较小。（3）研究区土壤质地类型以轻壤土为主，空间分布格局基本呈现为南部土壤质地黏重，北部土壤质地较轻。【结论】RF更适合预测宁夏南部地区土壤质地的空间分布，且充分利用历史数据，结合新的野外采样，可以达到预测制图的精度要求；土壤类型（ST）和高程（Ele）是与土壤质地空间分布相关性较强的环境因素。

关键词： 臭氧污染   源反演方法   随机森林算法   数值模式   预报时效  

摘要： 自2013年以来，我国实施了“大气十条”等一系列大气污染防控政策与措施，大气污染防治获得阶段性成效，空气质量明显改善。然而，在细颗粒物(PM2.5)浓度下降的同时，近地面臭氧(O3)浓度快速上升。O3污染日益突出，造成的健康风险不断升高。O3污染防控具有非常迫切的需求，对O3准确预报是其污染防控的关键一环。数值模式是大气污染物溯源、模拟和预报的核心工具，但由于O3生成机制复杂，模式物理化学机制仍待调整完善;O3污染源排放结构变化较大，自下而上清单方法往往难以及时更新，因此O3的数值模拟和预报仍面临较大的挑战。本研究针对当前O3模拟和预报面临的复杂不确定性问题，聚焦区域O3模拟和预报的偏差订正。首先从模式排放源输入数据角度，介绍并评估了传统资料同化的源反演方法对重点城市群夏季模拟O3的改进效果;接着从数值模式结果出发，利用新兴的机器学习方法构建了随机森林偏差订正模型，改进了数值模式模拟和预报O3的效果，并对比分析了源反演方法和随机森林算法在改进区域O3模拟和预报中的差异。主要研究结果如下:　　首先在嵌套网格空气质量预报模式系统(NAQPMS)的基础上，评估污染源反演方法对以中国多尺度排放清单(MEIC)为主的先验排放清单中臭氧前体物排放量的优化估计。分析时段为2019年6至8月，重点评估了污染源反演对我国“2+26”城市、长三角、珠三角、成渝四个重点城市群O3模拟的改进效果。评估结果表明，污染源反演获得的“2+26”城市、长三角、珠三角的氮氧化物(NOx)排放速率整体低于先验清单的排放速率约0.6μg/(m2.s)，但反演的挥发性有机物(VOCs)排放速率在“2+26”城市整体上高于先验清单的排放速率约0.5μg/(m2.s)。利用反演的NOx和VOCs排放量和NAQPMS模式对四个城市群O3进行模拟，发现反演排放数据可以显著改进夏季O3模拟性能，使得臭氧日最大八小时平均值（MDA8-O3）模拟的均方根误差(RMSE)从40～60μg/m3降低至20～30μ g/m3，模拟值与观测值的相关系数从0.6～0.7提升至0.8以上，模拟和观测O3浓度日变化峰值差异从2～50μg/m3缩小到2～20μg/m3。结果表明，基于地面观测数据的污染源反演可以有效改进重点城市群的O3模拟性能。　　为了揭示不同方法对O3模拟的改进效果，本研究探索了机器学习模型对O3模拟进行改进。结合WRF模拟的温度(T)、风(U、V)、地面向下短波辐射通量(SWDOWN)等多种气象要素，以及NAQPMS先验模拟的O3、PM2.5等多种大气污染物浓度，使用随机森林模型对“2+26”城市和成渝地区NAQPMS先验模拟的O3进行改进。NAQPMS先验模拟对“2+26”城市和成渝地区的O3模拟，特别是每日峰值O3模拟存在较大的误差。直接应用随机森林(Random Forest)方法，能够提高模拟O3时间变化的相关性，但对部分较高浓度的峰值O3仍然存在低估的问题。经过对方法本身、试验设计、数据精度和特征变量敏感性的分析，针对峰值期O3模拟改善设计并进行了一系列试验，通过试验结果的对比，本研究提出了基于气象综合指数(Meteorology Synthetic Index，MSI)、融合空气质量模式模拟数据的随机森林偏差订正模型。较NAQPMS先验模拟的结果，该订正模型可以使“2+26”城市和成渝的模拟O3相关性分别提高15.9％、21.4％，相关系数均提升至0.8以上，模拟偏差分别减少了91.2％、45.8％，同时可以有效改善峰值O3模拟和O3整体变化趋势。　　在上述试验基础上，结合WRF预报的T、U、V、SWDOWN等多种气象要素，以及NAQPMS基于未迭代反演源预报的O3、 PM2.5等多种大气污染物浓度，使用随机森林偏差订正模型对北京市NAQPMS反演源预报的O3进行订正改进。NAQPMS反演预报对北京地区的O3预报，特别是每日峰值O3存在显著高估。使用基于气象综合指数(MSI)、融合空气质量模式预报数据的随机森林偏差订正模型进行订正后，预报与观测的相关性平均提升了53.5％，相关系数均值达到0.79;平均偏差减少了92.3％，平均偏差的数值均低于14.5μg/m3。同时评估了模型在24h，48h至168h的不同预报时效下的改进能力，大部分预报时效下O3的相关系数接近0.8，均方根误差均值接近35μg/m3，基于MSI的随机森林偏差订正模型在各预报时效下均对NAQPMS预报O3展现出稳定良好的改进水平。　　为了进一步探究随机森林方法对O3预报的改进效果，本研究同时开展了使用订正模型在24h预报时效下的O3预报试验。较NAQPMS反演预报，模型预报24小时O3的相关系数提升了23.4％，均值为0.82;均方根误差降低了59.1％，均值接近43μg/m3;平均偏差降低了8