基于數(shù)據(jù)挖掘技術(shù)的空氣質(zhì)量指數(shù)預(yù)測研究.pdf

1、近年來空氣污染狀況日益嚴(yán)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(yán)重影響?？諝赓|(zhì)量指數(shù)（AQI）的預(yù)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(dǎo)，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(zhì)量的因素較多，氣象環(huán)境的復(fù)雜性、污染物之間的非線性關(guān)系都為空氣質(zhì)量指數(shù)的預(yù)報造成了困難。且傳統(tǒng)的潛勢預(yù)報、數(shù)值預(yù)報也并未做到對海量歷史數(shù)據(jù)的充分利用，因此在預(yù)報中依然存在著準(zhǔn)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(zhì)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(shù)中的灰色系統(tǒng)理論以及神經(jīng)網(wǎng)絡(luò)技術(shù)，建立了兩種空氣質(zhì)量指數(shù)預(yù)測模型。并通過對模型的進一步優(yōu)化，提高預(yù)測準(zhǔn)確度以及結(jié)果的可接受度。論文的主要工作如下：
　?。?）選擇合適的指標(biāo)數(shù)據(jù)參與空氣質(zhì)量指數(shù)預(yù)測模型的建立。指標(biāo)的選取應(yīng)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(zhì)量標(biāo)準(zhǔn)，選取SO2、PM2.5、PM10、CO、O3、NO2、AQI等7項污染指標(biāo)，以及風(fēng)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(biāo)作為此次預(yù)測建模的主要研究對象。
　?。?）對參與預(yù)測建模的數(shù)據(jù)進行預(yù)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(yù)測結(jié)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(zhì)量指數(shù)預(yù)測模型。根據(jù)灰色預(yù)測方法的適用特性，以空氣質(zhì)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(yù)測模型。通過對預(yù)測結(jié)果進行分析，評估灰色系統(tǒng)理論在空氣質(zhì)量預(yù)測上的效果。
　?。?）建立基于BP神經(jīng)網(wǎng)絡(luò)的空氣質(zhì)量指數(shù)預(yù)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(luò)的參數(shù)，確定合理的網(wǎng)絡(luò)結(jié)構(gòu)，并在MATLAB平臺下編寫完整預(yù)

5、測程序，對空氣質(zhì)量指數(shù)進行預(yù)測。計算結(jié)果的平均絕對百分比誤差、可接受度以及空氣質(zhì)量等級預(yù)測的正確率，以此來評價預(yù)測模型。
　?。?）對BP神經(jīng)網(wǎng)絡(luò)的預(yù)測模型進行優(yōu)化。為進一步提高預(yù)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(luò)的預(yù)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(xùn)練過程的復(fù)雜度，而另一方面則是通過優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始參數(shù)來提高模型的預(yù)測能力。最后，將優(yōu)化后的PCA-BP、GA-BP神經(jīng)網(wǎng)絡(luò)的預(yù)測模型與