一种基于机器学习LightGBM算法的空气质量预测方法

摘要

本发明公开了一种基于机器学习LightGBM算法的空气质量预测方法，该方法包括以下步骤：S1、获取与空气质量相关的多源数据；S2、对多源数据进行处理；S3、构建基于机器学习LightGBM算法的空气质量预测模型；S4、将t+1～t+72时刻的气象预报数据、t‑7～t时刻的站点空气质量监测数据、t‑7～t时刻的历史气象数据和站点空间位置数据输入空气质量预测模型中，输出空气质量预测结果并可视化展示。本发明利用LightGBM模型构建了空气质量预测模型，并基于该构建的模型实现了对监测站点未来72h空气质量六参数的逐小时浓度的预测，日常预报时计算时间能够在5min以内，本发明方法不仅避免了对污染源清单的强依赖，减少了运算速度和运算成本，同时有效提高了预报准确性和预报时效。