基于您提供的论文内容，以下是按照要求生成的回答： --- **中文标题** 基于拉格朗日加权与麻雀搜索算法优化的SVR-BiLSTM混合模型（SSA-SVR-BiLSTM）用于PM\(_{2.5}\)预测与分层评估

《Environmental and Ecological Statistics》：Hybrid Sparrow Search Algorithm Support Vector Machine Regression Bidirectional Long-Short Term Memory (SSA-SVR-BiLSTM) model with Lagrange-based weighting for PM\(_{2.5}\) prediction and stratified evaluation

　　

**中文摘要**
空气污染是公众健康面临的主要环境风险，与心血管和呼吸系统疾病密切相关。根据世界卫生组织的数据，全球至少99%的人口生活在不符合其空气质量指南的地区。PM\(_{2.5}\)的变异性反映了当地排放源与调节近地面扩散和积累的气象过程之间的相互作用，产生非线性的时间模式，这促使研究人员采用混合建模方法。研究人员提出了一个用于短期PM\(_{2.5}\)预报的SSA-SVR-BiLSTM框架，该框架在一个受约束的线性集成中结合了SSA优化的SVR和BiLSTM模型，其权重完全使用拉格朗日乘子在验证集分区上估计。该模型在哥伦比亚杜伊塔马一个受交通影响的监测点收集的10个月高频（5分钟间隔）空气质量和气象数据上进行了评估。在留出的测试集上，该混合模型实现了\(R^2 = 0.9585\)和MAPE \(= 7.62\%\)，优于六个SSA优化基线模型中的五个；与最佳单一模型（SSA-SVR）的差异具有统计学意义，但实际影响可忽略不计（\(p = 0.0105\)，\(\Delta R^2 = 0.0002\)），混合模型的价值主要在于其在低浓度和中浓度区间一致性的提高，而非全局精度的显著提升。跨浓度区间和规范阈值（WHO、EPA）的分层评估揭示了在极端污染事件中的系统性低估，这是所有被评估模型共有的结构性局限。特征遮挡分析确定PM\(_5\)和PM\(_{10}\)是主要的外源预测因子（分别占53.6%和21.7%），气象变量贡献了约20%的额外总相关性。

**论文解读文章**

**1. 研究背景与问题**

空气污染已成为全球最主要的公共卫生环境风险之一。据世界卫生组织（WHO）2024年报告，全球至少99%的人口居住在空气质量不符合其指南的地区，每年导致约420万人过早死亡。在哥伦比亚，据国家卫生研究所（INS）数据，每年约有15,681人死亡与空气质量差相关，占全国所有死亡记录的近8%。其中，直径小于2.5微米（PM\(_{2.5}\)）的细颗粒物因其能穿透血液并引发炎症和血栓形成过程，被认为是全球心血管疾病死亡和残疾的最关键环境风险因素。PM\(_{2.5}\)的变异性不仅受当地排放源影响，还受温度、相对湿度和大气稳定度等气象过程的调控，这些过程调节近地面的扩散和积累，由此产生的非线性时间模式和显著的日循环，促使研究人员采用能够捕捉城市空气质量系统中复杂的短期动态的混合建模方法。尽管人工智能（AI）技术已被广泛应用于空气质量预测，但现有研究仍存在几个空白：多数研究依赖大型监测网络的小时级观测数据，而亚小时级分辨率的、更有利于捕捉暴露相关浓度峰值的高频空气质量数据相对未被充分探索；尽管混合深度学习架构日益普遍，但很少有研究采用明确考虑模型预测之间冗余性并提供可解释系数的受约束集成加权方案；模型性能很少在浓度区间或规范警报阈值上进行分层评估，这限制了对公共卫生应用实际可靠性的评估。因此，本研究旨在解决的核心问题是：在受交通影响的城市环境中，混合非线性建模框架能否比单一机器学习模型更好地表征短期PM\(_{2.5}\)变异性。

**2. 主要关键技术方法**

研究人员提出并实现了一个名为SSA-SVR-BiLSTM的混合预测框架，其主要步骤和技术要点如下。首先，在哥伦比亚杜伊塔马市一个受交通影响的路边监测点收集了2023年6月至2024年4月（10个月）的高频（5分钟间隔）空气质量数据（PM\(_{2.5}\)、PM\(_{5}\)、PM\(_{10}\)、CO\(_{2}\)）和气象数据（温度T和相对湿度RH）。预处理阶段包括去除重复记录、使用四分位距（IQR）方法识别异常值、采用季节性自回归综合移动平均（SARIMA）模型进行缺失值插补、重采样至固定5分钟间隔及Min-Max归一化。建模阶段利用麻雀搜索算法（SSA）分别优化支持向量回归（SVR）、双向长短期记忆（BiLSTM）和双向门控循环单元（BiGRU）的超参数。最终集成阶段采用基于拉格朗日乘子的约束最小二乘（CLS）方法，在验证集上估计各模型权重，并施加权重非负和求和为1的约束。

**3. 主要研究结果**

- **数据插补与统计特性评估**：通过随机遮蔽10%观测值的评估，SARIMA插补对PM\(_{10}\)（NRMSE=0.0029）、PM\(_{2.5}\)（0.0114）和PM\(_{5}\)（0.0446）效果最佳，而对T（0.0908）效果最差。增强Dickey–Fuller（ADF）检验确认所有变量平稳，自相关函数（ACF）显示24小时周期性，偏自相关函数（PACF）显示短期依赖集中在2-3个滞后（约10-15分钟）。Pearson相关分析显示PM\(_{2.5}\)、PM\(_{5}\)、PM\(_{10}\)间相关性极高（r>0.97），RH与CO\(_{2}\)强正相关（r=0.83），T与RH强负相关（r=-0.86）。小时模式分析揭示了与通勤活动相关的早晚浓度峰值。

- **验证集性能比较**：在验证阶段，混合模型SSA-SVR-BiLSTM实现了\(R^2 = 0.9275\)和RMSE = 2.998 \(\mu\)g/m\(^3\)，优于六个基线模型中的五个。约束优化分配的权重为SVR=0.84、BiLSTM=0.16、BiGRU=0.00，BiGRU因信息冗余被剔除。SSA-LSTM性能最弱（\(R^2=0.9201\)，MAPE=12.62%）。

- **测试集总体性能**：固定权重后，混合模型在测试集上达到\(R^2 = 0.9585\)和RMSE = 2.561 \(\mu\)g/m\(^3\)，优于五个基线。SSA-SVR排名第二（\(R^2=0.9587\)），两者差距极小（\(\Delta R^2 = 0.0002\)）。Diebold–Mariano检验（\(p=0.0105\)）显示差异在统计上显著，但实际可忽略。SSA-LSTM再次最弱（\(R^2=0.9362\)，MAPE=9.80%），相对混合模型MAPE高28.6%。

- **分层浓度区间评估**：在低浓度区间（<15 \(\mu\)g/m\(^3\)），混合模型（\(R^2=0.6132\)）略优于SVR（\(R^2=0.6116\)）；在中浓度区间（15-30 \(\mu\)g/m\(^3\)），混合模型（\(R^2=0.4324\)）比SVR（\(R^2=0.4244\)）提升更明显（\(\Delta R^2 = +0.0080\)）；在高浓度区间（≥30 \(\mu\)g/m\(^3\)），SVR（\(R^2=0.8639\)）略优于混合模型（\(R^2=0.8613\)）。混合模型的价值主要体现在低、中浓度区间的稳定性提升。

- **规范警报阈值评估**：在WHO指南阈值（≥25 \(\mu\)g/m\(^3\)）下，混合模型\(R^2=0.8922\)；在EPA标准（≥35 \(\mu\)g/m\(^3\)）下，\(R^2=0.8173\)；但在经验局部阈值P90（≥47.3 \(\mu\)g/m\(^3\)）处，所有模型的\(R^2\)均崩溃至负值（混合模型为-0.9385），表明在极端污染事件中存在系统性低估的结构性局限，其原因可归因于预处理中IQR异常值去除导致训练分布截断。

- **特征遮挡分析**：通过平均降低\(R^2\)的遮挡分析，PM\(_5\)是最重要的外源特征（占53.6%，\(\Delta R^2=0.0027\)），其次是PM\(_{10}\)（占21.7%，\(\Delta R^2=0.0011\)），RH和T各贡献约10.1%，CO\(_2\)影响最小（占4.6%，\(\Delta R^2=0.0002\)）。

**4. 讨论与结论翻译**

讨论部分指出，从大气过程角度看，观测到的日变化模式和分层模型性能与边界层动力学在调控短期PM\(_{2.5}\)变率中的作用一致。稳定夜间和清晨条件有利于近地面积累和更急剧的浓度上升，而白天加热增强垂直混合产生逐步稀释。这种区域依赖性支持将气象协变量（T和RH作为与大气混合和稳定条件相关的指标）与共排放示踪剂纳入模型，使混合模型既能再现快速转变，也能重现较平滑的扩散驱动阶段。研究结论部分可翻译为：

在这项工作中，研究人员开发了一个混合模型SSA-SVR-BiLSTM用于预测哥伦比亚杜伊塔马市的PM\(_{2.5}\)浓度。该流程包括数据收集、基于SARIMA的缺失值插补预处理，以及通过统计检验确认平稳性（ADF）、24小时周期性（ACF）和集中于初始滞后的短期依赖性（PACF）的时间序列表征。随后使用SSA优化的超参数训练各个模型（SVR、BiLSTM和BiGRU），并通过受约束的加权方案结合其预测，该方案仅在验证分区上估计集成系数，测试集在最终评估前保持未触及。在两个评估阶段，混合模型均展现出具有竞争力的性能。分层评估显示其在低、中浓度区间提供了一致性的改善，而所有模型在极端浓度事件下均存在系统性低估的结构性局限。研究结果是在杜伊塔马单一受交通影响的城市监测点获得的，其结论涉及当地微环境条件下的短期可预测性，向其他城市环境的迁移性仍存在不确定性。未来的工作将需要采用保留尾部信息的归一化策略或成本敏感训练方法、减少配置的多轮实验设计，以及纳入多个监测站点的测量数据，将框架从纯时间预测扩展到时空预测。