用于PM2.5浓度分布的时空估算和预测方法

摘要

本发明提供了用于PM2.5浓度分布的时空估算和预测的方法。用于PM2.5浓度分布的时空估算和预测的方法包括：细粒度气溶胶光学厚度(AOD)的采集与校正，计算细粒度PM2.5的回归模型，以及细颗粒PM2.5浓度分布预测。通过对几种回归模型和机器学习模型的比较，确定了XGBoost模型作为该框架下的估计模型，其均方根误差(RMSE)最低为32.86μg/m3，R2最高为0.71。经过10次验证和与传统时间序列预测模型——季节自回归差分移动平均(SARIMA)模型的时空对比，ConvLSTM的预测精度更高，总平均预测RMSE为14.94μg/m3，而SARIMA的预测精度为17.41μg/m3。此外，ConvLSTM在时间上的波动较小，稳定性较好，在空间上也能较好地消除预测精度的空间差异。