预测模型的原理与解释
模型设计的核心思想：污染有惯性，气象管扩散。 用昨天的浓度刻画"惯性"，用明天的天气刻画"扩散与清除"，二者叠加即可预测明日浓度； 将预测值回灌为新的"昨天"，即可逐日滚动出未来五天。
滞后项（前一日 PM2.5、3 日滑动均值）＋ 当日气象（温度、湿度、露点、气压、风速、降水）＋ 时间项（月份、星期、年份）。全部来自预测时点可获得的信息，杜绝"用明天预测明天"的数据泄漏。
训练集 2018-05—2023（1727 天）→ 验证集 2024 全年（345 天）→ 测试集 2025-01—08（236 天）。严格按时间先后切分，模拟真实"预测未来"场景。
每棵树在随机样本与随机特征子集上生长，通过不断二分（如"前一日浓度 > 30？风速 < 3？"）逼近非线性关系，最终取 400 棵树的平均。相比线性基线，它不会输出物理上不可能的负值，且测试集 R² 明显更高（0.474 vs 0.390）。
预测第 2 天时，把第 1 天的预测值当作"前一日浓度"，与第 2 天的真实气象预报组合，再次推理；如此滚动至第 5 天。代价是误差逐日累积——这是所有多日预测的共同特性，因此越远的日期越应看作趋势而非定值。
每棵只看随机一部分数据与特征
特征重要性：什么在驱动预测？
前一日浓度是最强预测因子（污染自相关）；剔除它之后，风速在气象因素中居首—— 与文献"平均风速每 +1 m/s，PM2.5 −9.5 μg/m³"的结论在排序上互相印证。 此外，年份作为治理趋势的载体被纳入模型：由 2021–2026 实测年均值拟合， 北京 −1.1%/年、广州 −1.3%/年、哈尔滨 −0.2%/年、拉萨 +1.5%/年（低浓度下小幅回升，如实反映）， 预测时按目标年份对惯性基准做乘性修正，避免用过去的污染水平预测今天的空气。
上海模型详见《预测模型报告.md》（2026-08-24）； 北京 / 广州 / 哈尔滨 / 拉萨四城独立模型（含边界层高度特征，ERA5 气象 + 地面站 PM2.5 训练）见《四城预测模型报告.md》（2026-08-27）。