一种空气质量数据预测方法及系统

本发明公开了一种空气质量数据预测方法及系统，所述方法包括通过多源数据采集和预处理后，采用CatBoost算法筛选关键特征变量，结合NA‑RPSEMD方法进行信号分解获得IMF分量；对分解后的IMF分量进行主变量加权，计算各分量的贡献度，得到优化的特征分量；优化开普勒算法KOA，采用边界映射优化的佳点集策略和反向学习策略改进种群初始化过程，并引入正切函数调整自适应权重，得到改进的开普勒优化MKOA算法；建立STGAMformer空气质量预测模型，利用MKOA算法优化STGAMformer的超参数及主变量加权对应的权重，对空气质量数据进行预测，输出空气质量预测结果；本发明能够自动识别关键特征并有效抑制数据噪声，显著提升了特征提取的准确性和鲁棒性。