伊斯坦布尔和安卡拉月度PM10的基线感知预测：一项城市层面的面板数据研究，比较持久性、AR(1)和随机森林模型

《Scientific Reports》：Baseline-aware monthly PM10 prediction in Istanbul and Ankara: a city-level panel study comparing persistence, AR(1), and random forest models

　　

摘要

针对伊斯坦布尔和安卡拉，利用结合了空气质量、气象和交通强度变量的 2020?2023 城市 - 月份面板数据，评估了月度 PM₁₀ 预测。日历索引包含 96 个城市 - 月份，其中 92 个有观测 PM₁₀ 数据。缺失的 PM₁₀ 目标值被排除在评分之外。主要分析要求使用观测到的一个月 PM₁₀ 滞后值；敏感性分析仅允许在线性插值用于构建滞后值时使用。持久性模型、城市特定 AR(1) 模型和随机森林模型在五个扩展窗口滚动起点折和十个月的时间序列留出集中进行了评估。预测 R² 计算为 1 ? SSE/SST。在汇总交叉验证中，随机森林实现了 RMSE = 6.89 μg/m³，MAE = 5.53 μg/m³，R² = 0.50；AR(1) 的对应值分别为 7.40、5.68 和 0.43，持久性模型的对应值分别为 8.65、6.65 和 0.22。在最终留出集中，持久性模型取得了最低误差（RMSE = 4.57 μg/m³；MAE = 3.71 μg/m³；R² = 0.55），其次是随机森林（5.87、4.71 和 0.26）和 AR(1)（6.20、5.14 和 0.17）。分块自助法区间支持了汇总交叉验证中 AR(1) RMSE 的降低；与持久性模型相比，留出集差异包含零。因此，模型排名在开发期和最终留出期间有所不同，持久性模型提供了最强的留出集表现。