摘要

随着城市化进程的加速，PM2.5污染已成为威胁公众健康与城市可持续发展

的重要问题。传统预测模型多关注单一气象或排放源因素，难以刻画城市空间形

态与污染物扩散的复杂交互机制。本研究以南昌市为实证区域，融合多源数据与

深度学习技术，构建了由时空特征、关联规则与气象因素组成的三位一体PM2.5

深度学习预测框架，旨在揭示城市空间形态对PM2.5的作用路径，并提高PM2.5

的预测精度。研究采用时空分析、