基于數(shù)據(jù)挖掘技術的空氣質量指數(shù)預測研究.pdf

1、近年來空氣污染狀況日益嚴重，頻繁出現(xiàn)的重污染天氣對人們的日常生活乃至生命健康都造成了嚴重影響?？諝赓|量指數(shù)（AQI）的預報作為公眾知曉未來空氣狀況最直接的途徑，不僅能為環(huán)保部門開展空氣環(huán)境治理工作提供指導，同時也能夠提醒公眾合理規(guī)避重度污染天氣。但由于影響空氣質量的因素較多，氣象環(huán)境的復雜性、污染物之間的非線性關系都為空氣質量指數(shù)的預報造成了困難。且傳統(tǒng)的潛勢預報、數(shù)值預報也并未做到對海量歷史數(shù)據(jù)的充分利用，因此在預報中依然存在著準確度

2、不高、實效性不強等局限性。
　　針對這些問題，論文以西安市2014年1月28日-2016年8月29日間空氣質量監(jiān)測站點每日所采集的數(shù)據(jù)為研究對象，使用數(shù)據(jù)挖掘技術中的灰色系統(tǒng)理論以及神經(jīng)網(wǎng)絡技術，建立了兩種空氣質量指數(shù)預測模型。并通過對模型的進一步優(yōu)化，提高預測準確度以及結果的可接受度。論文的主要工作如下：
　　（1）選擇合適的指標數(shù)據(jù)參與空氣質量指數(shù)預測模型的建立。指標的選取應從環(huán)境要素以及氣象條件兩方面考慮。根據(jù)環(huán)境空氣

3、質量標準，選取SO2、PM2.5、PM10、CO、O3、NO2、AQI等7項污染指標，以及風力級別、平均濕度、最高溫度、最低溫度、平均溫度等5項氣象因素共計12個指標作為此次預測建模的主要研究對象。
　?。?）對參與預測建模的數(shù)據(jù)進行預處理。首先，需要對監(jiān)測站點采集的數(shù)據(jù)進行初步篩選，在剔除無效和缺失數(shù)據(jù)后，保留940條數(shù)據(jù)。其次，考慮到不同影響因子的數(shù)據(jù)取值范圍以及單位存在明顯差異，會對預測結果產(chǎn)生影響，因此采用mapminma

4、x函數(shù)對數(shù)據(jù)進行歸一化處理，以消除各類數(shù)據(jù)之間的量綱差別。
　?。?）建立基于GM(1,1)的空氣質量指數(shù)預測模型。根據(jù)灰色預測方法的適用特性，以空氣質量指數(shù)的歷史數(shù)據(jù)作為研究對象，建立基于GM(1,1)預測模型。通過對預測結果進行分析，評估灰色系統(tǒng)理論在空氣質量預測上的效果。
　　（4）建立基于BP神經(jīng)網(wǎng)絡的空氣質量指數(shù)預測模型。根據(jù)參與建模的數(shù)據(jù)調(diào)整BP神經(jīng)網(wǎng)絡的參數(shù)，確定合理的網(wǎng)絡結構，并在MATLAB平臺下編寫完整預

5、測程序，對空氣質量指數(shù)進行預測。計算結果的平均絕對百分比誤差、可接受度以及空氣質量等級預測的正確率，以此來評價預測模型。
　?。?）對BP神經(jīng)網(wǎng)絡的預測模型進行優(yōu)化。為進一步提高預測的精確性，分別使用主成分分析法和遺傳算法對BP神經(jīng)網(wǎng)絡的預測模型進行優(yōu)化。一方面通過降低輸入變量的維度來消除訓練過程的復雜度，而另一方面則是通過優(yōu)化BP神經(jīng)網(wǎng)絡的初始參數(shù)來提高模型的預測能力。最后，將優(yōu)化后的PCA-BP、GA-BP神經(jīng)網(wǎng)絡的預測模型與