2025年3月，公司教师贺冉冉在校定C级期刊《International Journal of Environmental Research》发表题为“Constructing and Evaluating Predictors for Data-Driven PM_2.5 Forecasting Models”的论文。该论文使用Prophet模型从PM_2.5时间序列中提取与时间相关的特征（如趋势、年度周期和星期周期），并采用梯度提升回归树（GBM）和长短期记忆网络（LSTM）构建预测模型，所用预测变量包括上述时间特征。所有预测变量被划分为三类：时间相关特征、前期空气污染物浓度和气象参数，并采用置换特征重要性方法衡量各特征组的重要性。通过对中国某中型城市进行系列预测实验并对结果进行分析，本研究进一步揭示了预测能力的内在机制。实验结果表明：Prophet提取的时间相关特征能显著提升预测效果，且这一优势在预测时段较长时更为明显；PM_2.5时间序列具有短期记忆性，对气象条件的变化反应迅速，仅前两天的气象条件对预测具有有效信号。研究同时表明，特征工程对PM_2.5预测至关重要，时间相关特征和前期污染物浓度可视为某些难以获取变量（如污染物排放量和缺失的气象条件）的有效代理变量。

希望广大教师继续潜心研究，不断创新，多出成果。（撰稿：贺冉冉；一审：艾科妮；二审：周健；三审：戴道明）