基于可解释机器学习的北京市屋面雨水径流水质评估与模拟

摘要

[目的]定量评估气象与环境要素分异下北京市屋面雨水收集利用系统径流水质特征并解析其主要影响因素，为城市屋面雨水收集系统设计和径流水质综合评价提供科学依据。[方法]2023年7—11月通过在北京市不同区域的5个站点搭建雨水收集利用试验装置，监测并获取周边环境要素、降雨特征及径流水质数据，并采用水质综合指数（RQI）对水质进行评价，同时使用可解释随机森林回归模型构建基于气象与环境要素的RQI预测模型。[结果]（1）各地区装置对径流水质污染物浓度呈现不同分布规律，海淀、延庆RQI值较高，而房山RQI值最低；（2）随机森林模型能够较准确地预测RQI值，具有较高预测精度(R²_率定=0.853,R²_验证=0.745);（3） SHAP模型分析表明，降雨量对RQI影响最大（平均SHAP值=0.120），且降雨量初期冲刷效应作用的临界值约为8 mm。[结论]北京市不同区域间屋面雨水径流水质存在显著差异，主要受降雨量、降雨间期及大气NO2浓度影响；随机森林模型能够有效预测径流水质，结合SHAP模型可量化各影响因子贡献度。

关键词

雨水收集利用 / 径流水质 / 机器学习 / SHAP模型