一种基于长时空序列的PM2.5浓度预测方法及系统

本发明提供了一种基于长时空序列的PM2.5浓度预测方法及系统，属于大气污染物浓度预测领域，包括获取目标站点连续时间段内按顺序排列的大气污染物浓度数据和气象数据，得到时间特征列；获取目标站点及其周边站点的站点分布数据和站点特征数据，通过GCN模型得到空间特征；将时间特征列与空间特征进行融合，得到时空序列。将Informer‑GCN模型和LSTM‑GCN模型作为基学习器，包含注意力机制的XGBoost模型作为第二层学习器，通过Stacking集成策略对基学习器和第二层学习器进行集成，根据时空序列数据对集成后的模型进行训练，得到浓度预测模型。待预测站点的时空特征输入浓度预测模型，输出PM2.5浓度预测值。提高了PM2.5浓度的预测精度，为天气预报提供数据支持，指导日常生活和作业。