基于CatBoost模型的太原市O3浓度预测研究

【作者】 成鹏伟； 朱凌云； 闫世明； 汪文雅； 郭伟；

【机构】 山西省气象科学研究所；

【摘要】 近年来,随着经济发展、人口激增以及机动车保有量增加,太原市O₃污染问题日益严重,O₃已成为继颗粒物之后超标最显著的大气污染物,臭氧（O₃）是大气中重要的二次污染物,其浓度变化受气象条件和前体物排放的复杂影响。为精准预测太原市未来24小时逐小时臭氧浓度,本研究基于CatBoost回归模型,结合气象观测数据、空气质量数据及时间特征,构建了臭氧浓度预测模型。研究围绕数据预处理、特征工程、模型训练与优化、结果评估与解释展开,旨在为太原市空气质量管理和预警提供科学依据。在数据预处理阶段,研究整合了太原市的气象观测数据（如温度、风速、相对湿度等）和空气质量数据(如PM_2.5、PM₁₀、NO₂等),通过数据清洗、缺失值填补及时间列标准化（转换为datetime格式）确保数据的完整性和时序性。特征工程阶段,提取了多维特征,包括当前时刻及过去24小时的臭氧浓度、气象参数（如温度、风速、气压等）及衍生特征（如过去12点到19点的平均温度和风速）。同时,引入时间特征（如月份、星期几、小时、是否周末）以捕捉臭氧浓度的周期性变化规律。模型构建阶段,研究选用CatBoost回归算法,其优势在于高效处理类别特征、自动处理缺失值及较强的抗过拟合能力。通过设置迭代次数（iterations=2000）、学习率（learning_rate=0.1）、树的最大深度（depth=4）及L2正则化参数（l2_leaf_reg=3）等超参数,确保模型在复杂数据中能够有效学习臭氧浓度的变化规律。为评估模型性能,采用时间序列交叉验证（TimeSeriesSplit）,将数据划分为多个训练集和验证集,分别计算平均绝对误差（MAE）、均方根误差（RMSE）、决定系数（R²）及平均绝对百分比误差（MAPE）等指标,验证模型的稳定性和泛化能力。研究结果显示,模型在测试集（2024年数据）上的未来24小时逐小时预测评估结果为:R²为0.84,MAE为16.7,RMSE为22.0;最大8小时滑动平均臭氧浓度（MDA8-O₃）真实值与预测值的相关系数为0.92,并通过99%置信度显著性检验。这些结果表明,模型能够较好地捕捉臭氧浓度的变化趋势,并具有较高的预测精度。通过特征重要性分析发现,臭氧浓度、温度、风速等特征对模型预测具有显著影响。进一步的可解释性SHAP模块分析揭示,气象因素对臭氧生成的贡献率达61.13%,大气污染物排放贡献率为36.49%,时间特征贡献率为2.38%。这一结果验证了气象条件在臭氧生成过程中的主导作用,同时也揭示了大气污染物排放对臭氧浓度的重要影响。本研究的创新点在于结合机器学习算法与丰富的特征工程,构建了高精度的臭氧浓度预测模型,为太原市及其他地区的空气质量预测提供了可借鉴的建模思路和方法。研究结果表明,CatBoost模型在臭氧浓度预测领域展现了良好的应用前景,为空气质量管理和预警提供了有力的技术支持。未来研究可进一步探索更多特征变量及模型优化方法,以提升预测精度和模型泛化能力。更多还原