基于机器学习模型的空气污染物浓度动态逐时预测方法

本发明公开了一种基于机器学习模型的空气污染物浓度动态逐时预测方法，包括a.提取历史数据、起报数据和预测数据：历史数据包括某地区某年某月某日的起报时刻前N个月的气象模式历史小时数据和空气污染物浓度历史小时数据，起报数据包括起报时刻的空气污染物浓度数据，预测数据包括起报时刻后x个时刻的气象模式预测小时数据，N≥6，x≥2；b.对历史数据和预测数据进行处理；c.将训练后的机器学习模型确定为空气污染物浓度预测模型；d.将起报时刻后x个时刻的气象模式预测小时数据输入空气污染物浓度预测模型，获得空气污染物浓度动态逐时预测数据。本发明无需空气污染物排放源数据，使用的气象因素全面合理，预测精度高，实现了动态逐时预测。