一种城市多种大气污染物浓度和空气质量指数的预报方法

本发明提供了一种城市多种大气污染物浓度和空气质量指数的预报方法，利用历史GFS气象数据和地面污染物实测数据训练机器学习模型，并将预报获取的每个时次的6种大气污染物（PM2.5、PM10、SO2、NO2、CO和O3）浓度数据作为下一时次的模型预报输入以实现迭代预报，从而同时为多个城市提供未来长达7天的6种主要大气污染物（PM2.5、PM10、SO2、NO2、CO和O3）浓度以及空气质量指数的逐小时预报。本发明通过迭代预报可充分考虑不同大气污染物间的相互作用，显著提升预报精度，因此，本发明可有效提升现有大气污染预报的时间分辨率、覆盖范围、时间跨度和预报精度，为空气质量管理和公共健康预警提供科学、实时的决策支持。