气象环保
扬州空气质量预测系统
XGBoost机器学习模型 + 可解释性分析Dashboard
基于3年历史数据训练的XGBoost空气质量预测系统,支持1/6/12/24小时多时间跨度预测。采用22个有明确物理意义的特征(历史AQI、PM2.5/PM10浓度、风速、湿度、气压、温度等),方法论正确(特征lag≥预测horizon),1小时预测达到MAE=6.03、R²=0.86。Dashboard包含实时预测、数据管道、特征分析、模型详情、基线对比、历史验证、模型解释、方法论8大模块,完整展示从数据采集到模型部署的全流程。
https://aqipred.lidanhuanbao.com

在线体验
核心亮点
1
方法论正确:特征lag≥预测horizon,杜绝数据泄露
2
4个独立模型:1h/6h/12h/24h分别训练,直接多步预测
3
22个可解释特征:每个特征都有明确的物理意义
4
扬州特有发现:湿度与AQI负相关(高湿伴随降雨清除污染)
功能模块
1
实时预测 - 未来24小时AQI预测与置信区间
2
特征分析 - 重要性排名与物理意义解释
3
模型验证 - 预测vs实际对比、误差分布
4
方法论文档 - 完整的技术方案与局限性说明
技术栈
PythonXGBoostPandasHTMLEChartsTailwind CSSCron
相关标签
AQI预测XGBoost机器学习可解释AI时间序列


