基于季节性先验引导的非平稳PM2.5动态网格预测方法及系统

本发明涉及空气质量预测技术领域，公开了一种基于季节性先验引导的非平稳PM2.5动态网格预测方法及系统，旨在解决现有方法存在稳定性和准确性较差的问题，方案主要包括：获取多源环境数据构建网格化训练样本并划分为历史数据集和新观测数据集，利用历史数据集中的各季节样本子集分别训练对应季节的预测模型并提取季节参数锚点和重要性权重以构成季节先验知识库，采用滑动时间窗口利用新观测数据集对预测模型进行训练更新并利用季节先验知识库对模型参数更新施加约束，模型更新后对未来时段PM2.5浓度进行预测，完成预测后对季节先验知识库进行动态修正，滑动窗口向前移动并重复上述步骤形成连续滚动预测。本发明提高了PM2.5浓度动态预测的稳定性和准确性。