王晓彤，蒋洪迅

(中国人民大学信息学院，北京 100872)

0 引言

东北老工业区的空气污染问题，既影响经济也危害民生，是当地居民身体健康的一大隐患.[1-5]在诸多空气污染物中，细颗粒物PM2.5的影响非常大.细颗粒物PM2.5指环境空气中空气动力学当量直径小于等于2.5 μm的颗粒物，其在空气中浓度越大，代表空气污染程度越高.相较于其他污染物，PM2.5由于其直径较小，能在大气中停留较久并随气流运动距离较远，对人类的健康影响巨大[6].由于PM2.5等颗粒物的浓度上升，导致全球每年约210万人死于心血管和呼吸道疾病(93%)、肺癌(7%)[7].在我国PM2.5已成为最主要空气污染物之一.因此，PM2.5浓度预测研究，对国计民生具有重要的意义和价值.如果能提供较为准确的预报结果，不仅可以敦促居民进行提前预防，诸如出行佩戴口罩、减少户外活动等，还可以通过预测过程建模和数据挖掘，探索产生高浓度PM2.5的污染来源和形成条件，为空气污染防治提供重要的理论依据和数据支持.

目前，针对PM2.5或者其他空气污染物的预测主要可以划分为数据建模和方法建模两大类：

数据建模是指输入数据的选取和增减，即从数据工程或特征工程的角度出发，研究PM2.5浓度相关的经济、社会、人类行为以及气象条件的数据特征，增减预测模型的输入数据维度和幅度，以探求最优的预测效果.现有的空气质量预测，一般来说，都是在选定某种预测模型或者某几种模型集成的条件，基于现有的历史空气质……