空气PM2.5等级预测系统

》首页 》 科技论文 》空气PM2.5等级预测系统
作者:无, 字数:7749

  摘要:如今随着现代工业的不断发展,人类的生产生活活动每天都在产生大量废气,严重影响了这里生活环境中的空气质量。在浩繁空气污染物中,PM2.5是对人体健康危害非常大的一种污染物。现有的测量PM2.5测量手段有着无法实时测量、精确度不高、适用性不广等缺点,所以可以利用机器学习的方法通过空气中其他物质的浓度来对PM2.5的浓度等级进行预测。该项目通过对北京市数年来的空气成分数据进行数据挖掘,从而实现对于PM2.5等级的预测。在项目中,主要使用了三种算法,分别是决策树,支持矢量机( SVM)和K临邻算法(KNN),并且对比这三种算法的优劣性。实验结果表明,该系统能够有效地预测空气质量,对人们的日常生活具有重要意义。
  关键词:决策树;支持矢量机;K临邻;PM2.5
  中图分类号:TP311文献标识码:A
  文章编号:1009-3044(2020)27-0209-02
  开放科学(资源服务)标识码(OSID):
  1 引言
  随着现代工业的不断发展,人类的生产生活活动每天都会產生大量的废气,这些气体排放到空气当中,严重影响了这里生活环境中的空气质量。人们的环保意识和可持续发展意识正在不停加强,对PM2.5等空气中的有害成分也越来越重视。
  1.1空气质量概述
  颗粒物质(PM)是大气中所有颗粒物质的总称,其中空气动力学直径≤2.5μm(PM2.5)的类型是影响人类健康的最重要的因素。与由一种或两种物质组成的大多数污染物不同,PM包括多种粒径的物质,为了简化PM水平的评估并促进PM污染控制政策的实施,通常将空气PM水平按照每立方米空气中的总颗粒质量分类,其中几个颗粒尺寸范围由最大颗粒的空气动力学定义。
  1.2对于空气质量的预测
  在如今,PM2.5的测量主要有3种方法:重量法、微量振荡天平法和B射线法。在这三种方法中,重量法测量PM2.5最为精确,但是无法做到实时监测,另外两种方法只适用于部分情况的测量,并且成本高昂。这里希望能够做到对PM2.5在空气中浓度的实时精确获取,以现有的测量方法并不能直接做到,但是这里可以利用机器学习的方法,通过空气中的其他成分来对PM2.5的浓度进行预测。
  1.3项目目标以及意义
  该项目的目的是通过对于空气中其他影响空气质量的成分,来对于空气中PM2.5的浓度等级进行预测。本次项目中,这里选取了北京市从2013年12月至2018年12月之间的每日空气质量报告.通过对于空气中其他成分的数据挖掘,来对于第二天的PM2.5等级进行预测。
  2 实现过程
  2.1 数据集
  数据集来源为中国空气质量在线监测分析平台,网址为https://www.aqistudy.cn/historydata。参考巫升平‘31的数据集组成,这里选取了7个属性。下面列出了数据集的格式,每个属性值及其单位。
  2.2 系统结构
  该空气PM2.5等级预测系统的结构如下:
  3 预测结果
  这里使用了3种预测算法:1)决策树;2)朴素叶斯;3)KNN。分类精度最低的是88.09%,分类精度最高的是90.87%。对于该大气模型而言,效果已经算是良好。
  3.1 决策树
  决策树(Decision Tree)是在已知各种情况发生概率的基础上,直观运用概率分析的一种图解法[5]。在机器学习中,决策树是一个预测模型,他代表的是对象属性与对象值之间的一种映射关系。Entropy定义为系统的凌乱程度,使用算法ID3,C4.5和C5.0生成树算法使用熵。这一度量是基于信息学理论中熵的概念。
  决策树的学习过程如下:
  3.2 SVM
  SVM是新兴发展的一种以统计学习理论为基础的机器学习方法,能有效地避免经典机器学习方法中的(包括神经网络)的过学习、维数灾难、局部极小等传统分类存在的问题,在小样本条件下仍具有很好的泛化能力,因此受到极大的关注。
  SVM的学习过程如下:
  3.3 KNN
  K最近邻(k-Nearest Neighbor,KNN)分类算法,是一个理论上比较成熟的方法,也是最简单的机器学习算法之一。由于KNN方法主要靠周围有限的邻近的样本,而不是靠判别类域的方法来确定所属类别的,因此对于类域的交叉或重叠较多的待分样本集来说,KNN方法较其他方法更为适。
  训练过程的查准率( Precision),查全率(reCall),以及fl测度值如下:
  3.4 结果对比
  对于KNN来说,准确率高,对异常值和噪声有比较高的容忍度。和朴素贝叶斯之类的算法比,对数据没有假定,准确度高,对异常点不敏感。可以用于非线性分类,计算量大,对于存储器的需求也大。对于SVM,最终决策函数只由少数的支持矢量所确定,计算的复杂性取决于支持矢量的数目,而不是样本空间的维数,这在某种意义上避免了“维数灾难”。在高维空间有效,在维度数量大于样本数量的情况下仍然有效。Decisiontrees易于理解,乃至比线性回归更直观;模型可以通过树的形式进行可视化展示,与人类做决策思考的思维习惯契合。可以直接处理非数值型数据。
  4 结束语
  这里已经完成了这个项目的以下步骤:对数据进行了预处理,然后对数据进行了分析。理解特征之间的关系,基于特征之间的依赖关系选取特征,然后进行数据分析。采用多种的算法,采用对于本软件最有效的三种算法(这里就是DecisionTree,KNN,SVM)。此中Accuracy是根据测试集样本正确率计算的。
  通过分析可以得出结论,可以利用机器学习算法进行空气质量预测分析,从而预测下一天的空气质量。该空气质量软件预测系统是有效的,有助于满足预测的要求。使用该空气质量预测系统可以有效地预测空气质量,对人们的日常生活具有重要意义。
  参考文献:
  [1]施晓娟,张会然,阎锡新.大气悬浮颗粒物所致气道黏液高分泌的研究进展[Jl-广东医学,2017,38(S1):279-281.
  [2]巫升平.成都市空气污染物季节性变化规律[J].科技风,2017(23):140-141.
  [3]杜飞燕.PM2.5暴露对大鼠清除肺炎克雷白杆菌的影响及其机制[D].石家庄:河北医科大学,2012.
  [4]莫洪武,万荣泽,分类算法在煤矿勘探数据分析系统中的比较[J]-煤炭技术,2013,32(12):135-136.
  [5]杨伟光.面向大数据分析的决策树算法研究[J].电子技术与软件工程,2018(23):175.
  [6]杨铁建.基于支持向量机的数据挖掘技术研究[D].西安:西安电子科技大学,2005.
  [7]周明飞,熊伟,刘还珠.KNN方法在贵州晴雨预报中的试验[J].贵州气象,2010,34(6):3-5.
  [8]赵宇.基于支持向量机的多用户检测算法、功率控制算法和波达方向估计算法[D].合肥:中国科学技术大学,2006.
  【通联编辑:闻翔军】
  作者简介:胡书明(1996-),男,河南商水人,硕士研究生,助教,研究方向为软件工程。

相关

相关

相关

  • 小学语文课堂教学氛围营造漫谈

  • 浅议抓好农村小学生综合素质评价工作的方法

  • 浅谈多种评价方式提高小学生的综合素质

  • “喂”羊与“牧”羊的启示

  • 开展丰富多彩的游戏活动来提高学生的学习水平

  • “0”的困惑

No comments found.

相关