金奈城市空气质量混合Prophet_XGBoost预测数据集2022_2024

数据集概述

该数据集包含2022-2024年金奈六个监测站的污染物浓度数据（PM₂.₅、PM₁₀、NO₂、SO₂、O₃），结合气象数据和CAMS空气质量数据，通过混合Prophet-XGBoost模型实现7天空气质量预测，附模型指标、代码及报告文件。

文件详解

• 根目录文件：
• Model-Metrics.csv：CSV格式，包含污染物（PM2.5、PM10等）的MAE、MAPE、RMSE等模型评估指标字段
• 历史污染物数据目录（Air Pollutants Historic Data (2022-2024)）：
• Perungudi.csv、Velachery.csv等6个CSV文件，字段包括日期、监测站、PM2.5、PM10、NO2、SO2、O3
• 输出目录（Output）：
• air_quality_report_fpdf.pdf：PDF格式，空气质量预测报告
• Python代码目录（Python code）：
• Main.py、accuracy.py：Python代码文件，分别为模型主程序和精度评估脚本

数据来源

WAQI（World Air Quality Index）、Open-Meteo APIs（气象数据：https://api.open-meteo.com/v1/forecast；CAMS空气质量数据：https://air-quality-api.open-meteo.com/v1/air-quality）

适用场景

• 城市空气质量预测研究：验证混合Prophet-XGBoost模型在短期预测中的效果
• 环境监测应用：为金奈地区空气质量预警提供数据支持
• 机器学习模型评估：分析不同污染物预测精度的差异及改进方向
• 气象与污染物关联分析：探究气象因素对空气质量的影响机制