基于LightGBM的广州市O3和PM2.5浓度预报订正
姜晓飞1
张志森2
姚爽2
杨元琴3
1.中国气象局气象干部培训学院,北京 100081;海淀区气象局,北京 1000802.国家气象信息中心,北京 1000813.中国气象科学研究院,北京 100081
摘要：为了提升空气质量模式对广州市O3和PM2.5浓度预报精度,基于广州市国控站的O3 和PM2.5浓度观测以及模式逐小时预报数据,使用Lightgbm算法对0～24小时、24～48小时、48～72小时三种时效的O3 和PM2.5浓度模式预报建立订正模型,并利用SHAP方法对订正模型进行解释分析.结果表明:Lightgbm订正模型能够较好提升各站点以及各预报时效的O3和PM2.5浓度预报,订正后各站点的误差分布更一致且明显减小,随着预报时效的增加,订正模型对预报提升的效果略有降低.从各时效总体的订正效果看,O3浓度与观测间的均方根误差、平均绝对偏差、相关系数分别由39.5 μg·m-3、30.3 μg·m-3、0.61提升为23.3 μg·m-3、16.9 μg·m-3、0.86,PM2.5浓度与观测间的均方根误差、平均绝对偏差、相关系数分别由18.3 μg·m-3、12.7 μg·m-3、0.26提升为9.7 μg·m-3、6.9 μg·m-3、0.76.不同时效订正模型中的重要特征差异不大,对于O3浓度订正模型,最重要的特征主要有O3浓度、温度、相对湿度、NO2、短波辐射、风向风速等,对于PM2.5浓度订正模型,最重要的特征主要有气压、空气质量指数、温度、相对湿度、气压、PM10、O3、风向风速等,各特征对订正模型的影响符合O3 和PM2.5的生成和累积机理.个例分析进一步证明了订正模型的效果和实用性.
关键词：LightGBMO3PM2.5订正
分类号：Z831(各类型目录)
资助基金：国家自然科学基金(42375019)
论文发表日期：2026-02-28
在线出版日期：2026-03-25（本平台首次上网日期，不代表文献的发表时间）
页数：11( 94-104 )
英文信息