基于空气质量机器学习滚动预测模型的污染源强动态反演方法

本发明涉及一种基于空气质量机器学习滚动预测模型的污染源强动态反演方法，包括如下步骤：步骤S1，空气质量建模数据集的获取和处理；步骤S2，空气质量机器学习预测模型的构建；步骤S3，空气质量气象标准化评估；步骤S4，空气质量滚动预测及气象标准化迭代计算。本发明既解决了现有气象归一化技术受限于时效性不足主要应用于政策干预的事后分析，又降低了随机气象归一化导致有偏估计从而提升了结果的准确性，尤其适用于重污染天气应急评估等具有高时效性要求的环境管理应用场景，具有重要的应用价值。