一种基于LightGBM的多源数据融合的污染物浓度预测方法

本发明属于交通污染预测技术领域，具体涉及一种基于LightGBM的多源数据融合的污染物浓度预测方法，包括如下步骤：步骤一：整合处理多源数据，并构造多种特征集。步骤二：通过相关性分析和时间序列分析，对气象、污染物及交通指标变量进行特征分析，为建模和模型解释提供支持。步骤三：按时间序列划分训练测试集，以最小化RMSE为目标，通过参数调优训练并优化LightGBM污染预测模型。步骤四：从预测精度、空间分布、风向影响验证模型性能。步骤五：分析显示关键驱动因子并量化其贡献。本发明通过对气象、交通等异构数据的特征工程处理与模型优化，实现车道级污染物浓度的高精度预测与影响因素解析。