热带气象学报

作者：云翔, 张璐瑶, 刘子菁, 翟志宏, 蔡顺明, 朱丽媛, 何耀斌

单位：1.广东省气象数据中心，广东广州5106402.中国气象局广州热带海洋气象研究所，广东广州5106403.广州气象卫星地面站，广东广州5106304.广州市荔湾气象局，广东广州510150

关键词：机器学习, 因果分析, 空气质量预报

基金：广东省气象局科技项目GRMC2023M10；广东省气象局科技项目GRMC2025Q42；中国气象局气象干部学院科研项目2025CMATCQN16；广州市气象学会科学技术研究项目Z202326；

近年广州市大气污染的主要问题是持续性污染逐渐增多，O3污染比例明显增多。为提高空气质量预报能力，基于环境监测数据和气象观测数据，使用梁氏-克里曼信息流对影响CO、NO2、O3、PM2.5、PM10、SO2大气污染物浓度的数据进行因果分析筛选影响因子，基于随机森林（RF）、极限梯度提升（XGboost）和长短期记忆神经网络（LSTM）算法进行融合建模共得到RF、XG、LSTM及融合模型MIX1、MIX2共5个污染物浓度预报模型，进而计算AQI和首要污染物，得到5个空气质量预报模型。结果表明，MIX1、MIX2融合模型整体优于RF、XGboost和LSTM单一模型。对于污染物浓度预报，MIX1模型CO、NO2、O3浓度预报最优，MIX2模型PM10、PM2.5、SO2预报最优。对于空气质量预报，提前1~2天的预报MIX2模型最优，提前3~7天的预报MIX1模型最优。MIX1、MIX2模型1~7天的首要污染预报准确率分别为71.26%~83.33%、73.71%~81.11%。MIX1、MIX2模型提前1~3天的污染物浓度和空气质量预报及提前1~7天的首要污染物预报可信度较高，可以为环境管理部门采取适当的控制措施提供参考。

来源：2026年第1期

《热带气象学报》期刊编辑部

查看热带气象学报杂志2026年第1期