一種新型異質(zhì)混合模型DIMMEC及其在灰霾預(yù)測的應(yīng)用研究.pdf

1、灰霾是一種由大量干燥顆粒、灰塵、煙霧和大小混合均勻的浮塵漂浮在空氣中，并且掩蓋了清澈的天空的大氣現(xiàn)象?；姻驳男纬捎袃煞矫嬖?一是不利的氣象條件;二是大氣顆粒物（特別是細顆粒物PM2.5）和氣體污染物的增加?；姻灿绊懘髿猸h(huán)境質(zhì)量，影響氣候和能見度，影響人體健康，尤其是細顆粒物(PM2.5)會分別沉積于上、下呼吸道和肺泡中，引起鼻炎、支氣管炎等病癥，長期處于這種環(huán)境還會誘發(fā)肺癌。
　　目前還沒有一種標準的模型或者方法能夠準確預(yù)測灰霾

2、，本研究提出了一種新型的異質(zhì)混合集成學習模型來預(yù)測灰霾——DIMMEC(DIversity-MarginMaximization Ensemble Classifier)模型。
　　論文的主要工作包括:第一，本實驗首先對輸入的14個因子與灰霾的相關(guān)度進行了計算，時間步、風速、CO、PM10、PM2.5、SO2、溫度、濕度、能見度這9個因子與灰霾有較大的相關(guān)性，其他因子（O3、氣壓、NOx、NO2、NO）相關(guān)性較小。第二，采用隨機子

3、空間方法生成了子訓練集，每個子訓練集包含不同的特征空間。第三，選取容易陷入空間局部最小的決策樹和神經(jīng)網(wǎng)絡(luò)這兩種異質(zhì)混合模型作為個體學習器，分析不同個數(shù)不同類型個體分類器組合，得到差異度最大的異質(zhì)混合模型。第四，support vector machine在防止過度擬合、運算速度和預(yù)測精度方面都表現(xiàn)出明顯的優(yōu)勢，因此用它對個體學習器產(chǎn)生的結(jié)果進行結(jié)論集成。
　　本研究采用的數(shù)據(jù)是濟南市2011年1月、4月、7月和10月24小時氣象和

4、污染物排放數(shù)據(jù)。通過驗證實驗:DIMMEC在預(yù)測灰霾方面的準確率為88.86％，明顯高于其他個體學習器。BP神經(jīng)網(wǎng)絡(luò)模型的準確率為83.3％; C4.5的準確率為86.6％;DecisionStump的準確率高為71.3％; REPTree的準確率為84.2％; Random Tree的準確率為81.9％; Random Forest的準確率為87％。通過實驗結(jié)果，可以證明本研究所提出的DIMMEC異質(zhì)混合集成學習模型在灰霾預(yù)測方面有著