基于集成机器学习的一次与二次空气污染物预测比较及可解释性分析

《Scientific Reports》：Ensemble machine learning-based comparative prediction of NO2 and O3 concentrations in Bengaluru, India

　　

摘要

准确预测城市空气污染物对于有效的空气质量管理及公共健康保护至关重要。尽管机器学习（ML）模型已被广泛应用于空气质量预测，但在统一建模框架内，针对具有不同大气生成机制的污染物的系统性比较评估仍关注有限。特别是，同时结合模型基准测试、多指标评估、模型泛化能力和可解释性，针对一次污染物和二次污染物的比较证据仍然有限。本研究系统性地对七种集成机器学习算法——随机森林（Random Forest）、Bagging、Extra Trees、XGBoost、LightGBM、CatBoost和AdaBoost——进行了基准测试，用于预测一次污染物二氧化氮（NO₂）和二次污染物臭氧（O₃），数据来源于2021至2024年间印度班加罗尔六座持续环境空气质量监测站（CAAQMS）收集的7,627个日观测值。模型性能评估采用随机超参数优化、五折交叉验证以及多种性能指标，包括决定系数（R²）、均方根误差（RMSE）、平均绝对误差（MAE）和对称平均绝对百分比误差（sMAPE）。在独立测试数据集上，CatBoost对NO₂（R² = 0.684，RMSE = 7.48，MAE = 4.84）和O₃（R² = 0.646，RMSE = 7.40，MAE = 4.85）均取得了最高的预测性能，同时在预测精度与模型泛化能力之间保持了最理想的平衡。相对于NO₂的排放驱动行为，O₃非线性光化学生成的复杂性更高，这导致其预测性能相对较低。此外，基于SHAP的可解释人工智能（XAI）分析确定NH₃是NO₂的主要预测因子，而NO₂是O₃最具影响力的预测因子，为控制这两种污染物的不同大气过程提供了具有物理可解释性的见解。通过在统一框架下整合比较性集成基准测试、针对特定污染物的泛化评估、多指标评估和可解释机器学习，本研究为评估一次和二次城市污染物的预测可靠性及大气可解释性提供了更全面的基础。研究结果表明，比较基准测试、全面的多指标评估和可解释机器学习对于开发可靠且可解释的城市空气质量预测系统具有重要价值。