利用气象和空气污染因素预测呼吸系统疾病死亡的机器学习应用——以北京市海淀区为例

摘要

随着城市化和工业化的发展，日益严峻的空气污染形势和频发的极端天气事件对公共健康构成了重要威胁。本研究旨在评估气象因子及空气污染对呼吸系统疾病死亡的影响。以2014年1月1日至2024年7月31日中国北京市海淀区的气象数据、空气污染物数据和呼吸系统疾病死亡数据为研究数据集，利用随机森林（RF）模型分析气象因素和空气污染物对呼吸系统疾病死亡的影响，并结合SHapley Additive exPlanations（SHAP）开展呼吸系统疾病死亡的影响因素分析。斯皮尔曼相关分析和RF模型结果显示，SO₂浓度、NO₂浓度、PM_2.5和PM₁₀与呼吸系统疾病死亡呈正相关，最低气温与呼吸系统疾病死亡呈负相关，且该模型在冬季展现出较其他季节更优的预测性能。此外，模型的SHAP全局特征结果表明最低气温是影响呼吸系统疾病死亡的最主要因素。研究结果表明RF模型具有预测呼吸系统疾病死亡的潜力，能够有效结合气象和空气污染数据进行呼吸系统疾病的预测，结合SHAP能够进一步提升机器学习模型的可解释性。本研究可为政策制定者科学制定针对性的空气质量控制措施、极端气温健康预警及季节性呼吸系统疾病防控策略提供有力的支撑。

关键词

空气污染 / 气象因素 / 随机森林 / SHapley Additive exPlanations (SHAP) / 呼吸系统疾病死亡 / 相关性分析