基于多变量时间序列预测和XGBoost的O3浓度短期预报研究
赵生昊1
李家启2
刘俊1
任艳1
刘玉杰1
余晓红1
1.重庆市气象安全技术中心,重庆 4011472.重庆市气象安全技术中心,重庆 401147;中国气象局气候资源经济转化重点开放实验室,重庆 401147
摘要：开展O3浓度预报是保障人民生命健康安全和有效治理大气污染的重要举措,本文利用O3浓度监测资料及地面气象资料,在时间序列预测的基础上融合XGBoost机器学习算法,提出一种O3浓度短期逐小时预报方法,并就数据处理、预测策略、预报模型构建及优化进行了探讨,结果表明:使用能够利用地面气象资料的直接多步预测策略构建的预报模型性能更优;在输入特征中加入周期化的时间特征能够有效提升预报模型性能;最后对该方法2020年8月—2021年4月O3浓度预报效果进行了检验,其1 h、24 h、48 h及72 h预报的RMSE分别为7.94、16.00、17.49、17.72 μg·m-3,对应的R2为0.94、0.74、0.69、0.68,预报效果良好.该方法可以为O3预警预报、大气污染治理提供区域精细化的技术支撑.
关键词：O3浓度短期预报时间序列XGBoost
分类号：P456.1(天气预报)
资助基金：气象软科学研究项目(2022ZDIANM11)
论文发表日期：2025-02-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：11( 125-135 )
英文信息