一种基于可解释性机器学习的城市臭氧浓度预测方法

本发明属于大气污染时空分布计算领域，涉及一种基于可解释性机器学习的城市臭氧浓度预测方法，尤其适用于整合气象、污染物、社会经济等多维度数据进行区域性空气质量建模。首先进行多源时空数据集构建，构建研究区域的气象数据、污染物数据、社会经济数据，对数据进行归一化、时间窗口滑动预处理，采取斯皮尔曼系数法和随机森林计算特征重要性得分对特征值进行筛选，使用多种算法进行建模，对O浓度进行预测。最终采用SHAP方法进行解释，揭示传统方法中易被忽略的社会经济驱动因子对臭氧生成的潜在影响路径，为污染源头管控提供可操作的量化依据。