AI 中文总结
该研究利用北京12个监测站数据，比较正则化回归与深度学习模型进行PM2.5临近预报，多层感知器性能最佳，还分析了特征组和变量选择稳定性，揭示了模型误差的空间和季节异质性。
AI 中文摘要
可靠的PM2.5临近预报对日常空气质量监测和城市管理具有实际重要性。PM2.5浓度受排放源、气象条件、时间模式和站点异质性共同影响，解释变量存在强相关性。本研究比较了正则化回归方法（岭回归、套索回归、弹性网络）和深度学习模型（多层感知器和长短期记忆网络），利用2013年3月至2017年2月北京12个监测站的小时观测数据进行同小时PM2.5估计。因特征集包含PM2.5滞后项和同步共污染物测量值，该任务被设定为临近预报而非严格预测。模型评估采用基于时间戳的按时间顺序的训练/测试分割和时间序列分割交叉验证。多层感知器性能最佳（均方根误差=13.651微克/立方米，决定系数=0.972），相对于所有正则化回归模型，均方根误差降低约13%（均方根误差约为15.6，决定系数约为0.964）。三种线性模型表现相近。作为探索性补充，受CPU计算限制，长短期记忆网络在子采样训练集上表现不佳（均方根误差=26.553，决定系数=0.889），不作为主要结论。特征组消融表明滞后项和同步污染物携带主要估计信息。在1标准误差规则下的变量选择稳定性分析表明，套索回归倾向于稀疏选择（4个稳定变量），而弹性网络保留相关变量组（11个稳定变量）；一氧化碳、二氧化氮、PM10和PM2.5的一阶滞后形成一个稳健的核心集。逐站和月度误差分析进一步揭示了模型误差的空间和季节异质性。
英文摘要
Accurate PM2.5 prediction depends on information available when a prediction is issued. Using 420,768 hourly observations from 12 monitoring stations in Beijing between March 2013 and February 2017, we compare same-hour estimation (h = 0) with strict one-, six-, and 24- hour-ahead forecasting. Stations are reindexed to complete hourly calendars before lagged and rolling features are constructed. Chronological train, calibration, and test blocks and expandingwindow preprocessing prevent target-time leakage. Persistence and seasonal-naive baselines are compared with Ridge, Elastic Net, and a five-seed XGBoost ensemble. Ridge attains RMSE 20.15 at one hour, XGBoost 54.13 at six hours, and Elastic Net 80.83 at 24 hours, improving on persistence by 5.7%, 11.8%, and 17.6%, respectively. Same-hour XGBoost reaches RMSE 14.03, but feature ablations attribute most of this performance to recent PM2.5 history and synchronous PM10. Moving-block intervals, repeated seeds, and leave-one-station-out evaluation quantify uncertainty and spatial transfer. The results support sensor cross-checking at h = 0, routine updates at h = 1, alert preparation at h = 6, and cautious daily planning at h = 24.
