融合环流演变与重叠时间窗的PM2.5次季节预测方法

本发明提出融合环流演变与重叠时间窗的PM2.5次季节预测方法，针对10‑30天尺度预测空白问题，融合气象环流因子的观测与模式预报数据，技术方案包括：1数据预处理：去除因子和PM2.5浓度的气候态循环，通过10‑30天带通滤波提取次季节信号，结合EOF分解重构可预报信号；2模型构建：基于气象环流场和PM2.5浓度间的时滞演变关系和重叠时间窗，定义连续30天的预报因子演变序列和PM2.5浓度演变序列，利用SVD分解提取耦合模态；3训练优化：采用k折交叉检验，通过最小二乘投影重建PM2.5浓度序列，以时间相关系数（TCC）筛选最优因子及观测/模式数据组合，并通过量级调制修正预测偏差；4实时预测：将实时数据投影至训练模态，调制后集成多因子结果输出最终预报。该方法填补了介于天气尺度（10天以内）和短期气候预测（30天以上）两者之间PM2.5浓度的“预测间隙”同时有效提高了预测技巧，搭建了完整的预报体系。