Spatiotemporal continuous estimates of PM2.5 concentrations in China, 2000–2016: A machine learning

寫在前面

首先，看完查了一下這個期刊 Environment International，是1區的文章，影響因子7.297！不愧是優秀的期刊，文章質量很高，內容很豐富。

內容

主要是PM25反演，利用AOD,NO2,NDVI,夜光，化學傳輸模型，爲基礎數據，提出高維擴展相關參數，利用彈性迴歸模型（普通損失函數後面加了L1L2正則項）elastic-net，進行擬合。

擬合兩個模型，一個有AOD,一個沒有，兩個結果再用廣義加性模型結合補充缺失值提升精度。

最後對結果長時序進行分析，也佔了半個文章。

附文章成果網站：http://www.meicmodel.org/dataset-phd.html

補充學習：

首先是參考：https://blog.csdn.net/previous_moon/article/details/71376726

嶺迴歸模型就是用了L2正則的損失函數擬合

Lasso迴歸模型用的是L1正則的損失函數

彈性迴歸模型 elastic-net 是上面二者的結合，損失函數同時考慮了L1 L2正則