摘要：本研究构建了覆盖时间-空间-物理-统计四维特征的空气质量预测体系，评估了ARIMA、随机森林、LightGBM、LSTM和Transformer五种模型在高雄市5个监测站的AQI预测表现。结果显示，LightGBM综合表现最优（R²≥0.74），经Optuna优化后预测精度进一步提升，其中短期预测（1-6h）R²≥0.92，长期预测（19-24h）R²降至0.59-0.66。Zuoying站

本研究对高雄市2020-2024年空气质量数据进行多维度分析，发现其呈现冬颗粒、夏臭氧;的双峰模式，空间上呈南高北低格局。通过构建时间特征、风场特征、滞后特征、滚动统计量和邻居站点聚合特征等五大特征工程，系统量化了污染物周期性变化、区域传输扩散及累积效应。特征工程间形成互补协同关系，为建立预测模型提供全面数据支撑，有效解决了空气质量预测中的时空依赖性问题。

本研究以高雄市为研究对象，分析了2016-2024年空气质量数据，重点关注PM2.5污染问题。通过筛选5个代表性监测站点（小港、林园、前金、左营、美浓）的22万条数据，采用分级缺失值填充策略处理数据缺失问题：短期缺失（≤6小时）使用线性插值，长期缺失采用历史同期均值填充。同时运用物理范围法识别并处理474个异常值，并基于IAQI计算方法填补首要污染物缺失数据。预处理后的数据为后续空气质量预测模型构