希腊城市和农村地区臭氧预测的机器学习方法：基于物联网监测网络的比较研究

《Electronics》：Machine Learning Approaches for Ozone Forecasting in Urban and Rural Areas of Greece: A Comparative Study Using an IoT Monitoring Network

　　

地面臭氧（O₃）是一种二次光化学污染物，在地中海强烈太阳辐射下其形成使得希腊易出现高浓度，并伴有充分记录的呼吸和心血管健康影响。然而，希腊的臭氧预测仍然有限：先前的工作主要是统计性的，集中在雅典的一两个站点，并且局限于单一预测时域，没有研究比较过全国监测网络从城市到农村梯度上的机器学习预测。本研究填补了这一空白，据研究人员所知，这是首次对希腊监测网络完整城市到农村类型梯度上的机器学习臭氧预测进行多站点比较，引入了一个类型×模型精度交叉矩阵，将站点特征直接与预测性能联系起来，并为早期预警部署提供了具体、时域特定的操作指导。研究人员开发了一个单一、可重复的流程，比较了三种模型族——支持向量回归（SVR）、随机森林（RF）和梯度提升（GBM）——与朴素持久性基线，针对国家空气污染监测网络（2021–2024）八个城市、郊区和农村站点的下一小时和次日最大值预测。所有预测因子均来自臭氧序列本身（滞后、滚动和循环日历特征）；模型使用严格按时间顺序的每个站点70/15/15训练/验证/测试分割进行调优和评估，超参数在验证集上选择，测试集仅评估一次以防止时间泄漏。在下一小时时域，所有模型在每个站点都优于持久性，唯一例外是农村THR站点的SVR；梯度提升是最佳或并列最佳（测试R²从重度滴定中心城区站点的0.83到农村站点的0.94），并且对配对样本误差进行的Wilcoxon符号秩检验证实，GBM在所有七个评估站点（p<0.05，且其中六个站点p<0.01）显著优于随机森林。次日最大值任务要困难得多（R²介于0.41和0.79之间），并且排名逆转，SVR几乎在所有地方都是最佳模型。关键的是，预测精度从农村和郊区站点向中心城区站点系统性下降：抑制城市臭氧的同一氧化氮滴定也与可预测性降低相关。这些结果总结在类型×模型精度交叉矩阵中，表明希腊的操作性早期预警系统应采用时域特定模型，即梯度提升用于下一小时现报，SVR用于超前一天最大值，并明确说明城市核心区的不确定性更高，且可以仅使用臭氧观测值部署在网络实时（IoT）数据流上。

**论文解读：基于机器学习的希腊城市与农村臭氧预测比较研究**

**研究背景与问题**
地面臭氧（O₃）是欧洲最关注健康效应的空气污染物之一，短期暴露与呼吸道症状、长期暴露与慢性呼吸疾病相关。希腊因强烈地中海太阳辐射，臭氧浓度易偏高，且臭氧相关死亡率在欧洲名列前茅。然而，希腊的臭氧预测研究长期滞后：已有工作多为统计方法，仅聚焦于雅典一到两个站点，且局限于单一预测时域（如小时或日平均），从未有研究利用机器学习模型在全国监测网络的城市到农村梯度上进行比较。欧洲空气质量指令要求成员国在臭氧阈值超标或预测超标时向公众预警，因此开发可靠的短期预测系统对于早期预警和公共卫生保护至关重要。该研究旨在填补这一空白，首次在希腊进行多站点、多时域、跨城市-农村类型的机器学习臭氧预测比较，并引入类型×模型精度交叉矩阵，为操作化早期预警提供具体指导。论文发表在《Electronics》。

**研究方法**
研究人员使用希腊国家空气污染监测物联网网络（EDPAR）2021–2024年8个站点的臭氧小时数据，站点覆盖中心城区（PAT、LIO）、城市（AGP、ATH）、郊区（ELE、GEO）和农村（KOR、THR）四种类型，样本来源为希腊环境与能源部自动化监测站。主要技术方法包括：单变量特征工程，从臭氧时间序列本身提取17个预测因子（8个滞后值、4个滚动统计量、5个循环日历特征）；模型族比较——支持向量回归（SVR，径向基核）、随机森林（RF）、梯度提升（GBM），并以朴素持久性（下一小时用最近观测值，次日最大值用前一天最大值）为基线；采用严格时间顺序的70/15/15训练/验证/测试分割，超参数在验证集上通过网格搜索优化，测试集仅评估一次以防止时间泄漏；评估指标为RMSE、MAE、R²，并使用Wilcoxon符号秩检验进行模型间统计显著性比较。

**研究结果**

**4.1 空间与类型臭氧模式**
通过分析各站点平均臭氧浓度、日循环和月循环，发现臭氧浓度从城市到农村系统性增加：中心城区交通站点PAT平均浓度最低（16.7 μg/m³），四年内无信息阈值（180 μg/m³）超标，而农村站点THR和KOR最高（85.9和79.0 μg/m³）。日循环显示所有站点午后光化学最大值，但城市站点早晨低谷更深，与交通排放的一氧化氮（NO）滴定臭氧一致。

**4.2 下一小时预测**
在下一小时时域，所有机器学习模型在所有站点均优于持久性，唯一例外是农村THR站点的SVR。梯度提升（GBM）在大多数站点达到最佳或并列最佳R²（0.827–0.940），随机森林紧随其后。示例时间序列和散点图显示，GBM能准确再现午后峰值和夜间低谷。

**4.3 次日最大值预测**
次日最大值任务显著更困难，测试R²介于0.41和0.79之间。模型排名逆转：SVR几乎在所有站点成为最佳模型，且优势明显，而树集成模型有时仅与持久性持平或略优。这一时域依赖的逆转是核心发现。

**4.4 接近R²差异的统计显著性**
针对下一小时时域GBM与RF的微小R²差异（均<0.01），Wilcoxon符号秩检验表明GBM在所有七个站点显著优于RF（p<0.05，其中六个站点p<0.01），证实其系统性优势。

**4.5 误差分析与特征重要性**
随机森林的特征重要性分析显示，一阶滞后（1小时）主导下一小时预测，小时和24小时滚动统计量为次要贡献，符合自相关结构。

**4.6 跨站点类型的精度：交叉矩阵**
类型×模型精度交叉矩阵（表8、图11）显示：下一小时时域，所有类型预测良好（平均R² 0.84–0.93），GBM始终最佳，中心城区略低；次日最大值时域，SVR在所有类型中最佳，且中心城区精度急剧下降（平均R² 0.55，持久性仅0.28）。矩阵将区域效应和模型效应合二为一，最困难单元格为中心城区×次日最大值。

**4.7 站点类型对可预测性的影响**
两个时域上，可预测性均与站点类型相关：重度NO滴定的中心城区PAT站点可预测性最低（下一小时R² 0.83，次日R² 0.41），而农村和郊区站点因光化学信号更强、更清洁而可预测性最高。

**讨论与结论**
讨论部分总结三个一致结果：下一小时GBM最佳，次日最大值SVR最佳，预测精度从农村到城市核心系统性下降。时域依赖的逆转源于：小时臭氧自相关强，下一小时任务由最近观测主导，GBM在近线性信号上微调获胜；次日最大值需要真正外推，SVR的核回归泛化更好。NO滴定不仅降低城市臭氧浓度，还破坏其可预测性。研究局限性包括：单变量设计（未含气象和前体物变量）、ATH站点因数据完整性排除、测试集集中于2024年暖季、未评估空间迁移性。

**结论部分翻译**：
本研究开发了一个单一、可重复的流程，并用于比较希腊八个城市、郊区和农村站点在两个操作时域上的短期地面臭氧机器学习预测模型。主要结论如下：
(a) 所有模型在每个站点均优于持久性，唯一例外是农村THR站点的SVR；梯度提升最佳，仅使用臭氧历史即可达到测试R² 0.83–0.94。
(b) 预测次日最大值显著更困难（R² 0.41–0.79），SVR一致最佳；最优算法取决于预测时域。
(c) 预测精度从农村和郊区站点向重度NO滴定的中心城区站点下降，将物理臭氧抑制机制与其可预测性联系起来，并总结在类型×模型精度交叉矩阵中。
对于希腊的操作性早期预警系统，这些结果推荐时域特定模型：梯度提升用于下一小时现报，SVR用于超前一天最大值，并明确说明城市核心区的不确定性更高。未来工作将纳入气象和前体物变量，扩展至多步和概率预测，并将该流程部署到网络实时（IoT）数据流中以进行实时阈值预警。