空氣PM2.5等級(jí)預(yù)測(cè)系統(tǒng)

胡書(shū)明 張明麗

摘要：如今隨著現(xiàn)代工業(yè)的不斷發(fā)展，人類(lèi)的生產(chǎn)生活活動(dòng)每天都在產(chǎn)生大量廢氣，嚴(yán)重影響了這里生活環(huán)境中的空氣質(zhì)量。在浩繁空氣污染物中，PM2.5是對(duì)人體健康危害非常大的一種污染物?，F(xiàn)有的測(cè)量PM2.5測(cè)量手段有著無(wú)法實(shí)時(shí)測(cè)量、精確度不高、適用性不廣等缺點(diǎn)，所以可以利用機(jī)器學(xué)習(xí)的方法通過(guò)空氣中其他物質(zhì)的濃度來(lái)對(duì)PM2.5的濃度等級(jí)進(jìn)行預(yù)測(cè)。該項(xiàng)目通過(guò)對(duì)北京市數(shù)年來(lái)的空氣成分?jǐn)?shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，從而實(shí)現(xiàn)對(duì)于PM2.5等級(jí)的預(yù)測(cè)。在項(xiàng)目中，主要使用了三種算法，分別是決策樹(shù)，支持矢量機(jī)（ SVM）和K臨鄰算法（KNN），并且對(duì)比這三種算法的優(yōu)劣性。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)能夠有效地預(yù)測(cè)空氣質(zhì)量，對(duì)人們的日常生活具有重要意義。

關(guān)鍵詞：決策樹(shù);支持矢量機(jī);K臨鄰;PM2.5

中圖分類(lèi)號(hào)：TP311文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2020）27-0209-02

開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

1 引言

隨著現(xiàn)代工業(yè)的不斷發(fā)展，人類(lèi)的生產(chǎn)生活活動(dòng)每天都會(huì)產(chǎn)生大量的廢氣，這些氣體排放到空氣當(dāng)中，嚴(yán)重影響了這里生活環(huán)境中的空氣質(zhì)量。人們的環(huán)保意識(shí)和可持續(xù)發(fā)展意識(shí)正在不停加強(qiáng)，對(duì)PM2.5等空氣中的有害成分也越來(lái)越重視。

1.1空氣質(zhì)量概述

顆粒物質(zhì)（PM）是大氣中所有顆粒物質(zhì)的總稱(chēng)，其中空氣動(dòng)力學(xué)直徑≤2.5μm（PM2.5）的類(lèi)型是影響人類(lèi)健康的最重要的因素。與由一種或兩種物質(zhì)組成的大多數(shù)污染物不同，PM包括多種粒徑的物質(zhì)，為了簡(jiǎn)化PM水平的評(píng)估并促進(jìn)PM污染控制政策的實(shí)施，通常將空氣PM水平按照每立方米空氣中的總顆粒質(zhì)量分類(lèi)，其中幾個(gè)顆粒尺寸范圍由最大顆粒的空氣動(dòng)力學(xué)定義。

1.2對(duì)于空氣質(zhì)量的預(yù)測(cè)

在如今，PM2.5的測(cè)量主要有3種方法：重量法、微量振蕩天平法和B射線法。在這三種方法中，重量法測(cè)量PM2.5最為精確，但是無(wú)法做到實(shí)時(shí)監(jiān)測(cè)，另外兩種方法只適用于部分情況的測(cè)量，并且成本高昂。這里希望能夠做到對(duì)PM2.5在空氣中濃度的實(shí)時(shí)精確獲取，以現(xiàn)有的測(cè)量方法并不能直接做到，但是這里可以利用機(jī)器學(xué)習(xí)的方法，通過(guò)空氣中的其他成分來(lái)對(duì)PM2.5的濃度進(jìn)行預(yù)測(cè)。

1.3項(xiàng)目目標(biāo)以及意義

該項(xiàng)目的目的是通過(guò)對(duì)于空氣中其他影響空氣質(zhì)量的成分，來(lái)對(duì)于空氣中PM2.5的濃度等級(jí)進(jìn)行預(yù)測(cè)。本次項(xiàng)目中，這里選取了北京市從2013年12月至2018年12月之間的每日空氣質(zhì)量報(bào)告.通過(guò)對(duì)于空氣中其他成分的數(shù)據(jù)挖掘，來(lái)對(duì)于第二天的PM2.5等級(jí)進(jìn)行預(yù)測(cè)。

2 實(shí)現(xiàn)過(guò)程

2.1 數(shù)據(jù)集

數(shù)據(jù)集來(lái)源為中國(guó)空氣質(zhì)量在線監(jiān)測(cè)分析平臺(tái)，網(wǎng)址為https：//www.aqistudy.cn/historydata。參考巫升平‘31的數(shù)據(jù)集組成，這里選取了7個(gè)屬性。下面列出了數(shù)據(jù)集的格式，每個(gè)屬性值及其單位。

2.2 系統(tǒng)結(jié)構(gòu)

該空氣PM2.5等級(jí)預(yù)測(cè)系統(tǒng)的結(jié)構(gòu)如下：

3 預(yù)測(cè)結(jié)果

這里使用了3種預(yù)測(cè)算法：1）決策樹(shù);2）樸素葉斯;3）KNN。分類(lèi)精度最低的是88.09%，分類(lèi)精度最高的是90.87%。對(duì)于該大氣模型而言，效果已經(jīng)算是良好。

3.1 決策樹(shù)

決策樹(shù)（Decision Tree）是在已知各種情況發(fā)生概率的基礎(chǔ)上，直觀運(yùn)用概率分析的一種圖解法[5]。在機(jī)器學(xué)習(xí)中，決策樹(shù)是一個(gè)預(yù)測(cè)模型，他代表的是對(duì)象屬性與對(duì)象值之間的一種映射關(guān)系。Entropy定義為系統(tǒng)的凌亂程度，使用算法ID3，C4.5和C5.0生成樹(shù)算法使用熵。這一度量是基于信息學(xué)理論中熵的概念。

決策樹(shù)的學(xué)習(xí)過(guò)程如下：

3.2 SVM

SVM是新興發(fā)展的一種以統(tǒng)計(jì)學(xué)習(xí)理論為基礎(chǔ)的機(jī)器學(xué)習(xí)方法，能有效地避免經(jīng)典機(jī)器學(xué)習(xí)方法中的（包括神經(jīng)網(wǎng)絡(luò)）的過(guò)學(xué)習(xí)、維數(shù)災(zāi)難、局部極小等傳統(tǒng)分類(lèi)存在的問(wèn)題，在小樣本條件下仍具有很好的泛化能力，因此受到極大的關(guān)注。

SVM的學(xué)習(xí)過(guò)程如下：

3.3 KNN

K最近鄰（k-Nearest Neighbor，KNN）分類(lèi)算法，是一個(gè)理論上比較成熟的方法，也是最簡(jiǎn)單的機(jī)器學(xué)習(xí)算法之一。由于KNN方法主要靠周?chē)邢薜泥徑臉颖?，而不是靠判別類(lèi)域的方法來(lái)確定所屬類(lèi)別的，因此對(duì)于類(lèi)域的交叉或重疊較多的待分樣本集來(lái)說(shuō)，KNN方法較其他方法更為適。

訓(xùn)練過(guò)程的查準(zhǔn)率（ Precision），查全率（reCall），以及fl測(cè)度值如下：

3.4 結(jié)果對(duì)比

對(duì)于KNN來(lái)說(shuō)，準(zhǔn)確率高，對(duì)異常值和噪聲有比較高的容忍度。和樸素貝葉斯之類(lèi)的算法比，對(duì)數(shù)據(jù)沒(méi)有假定，準(zhǔn)確度高，對(duì)異常點(diǎn)不敏感?？梢杂糜诜蔷€性分類(lèi)，計(jì)算量大，對(duì)于存儲(chǔ)器的需求也大。對(duì)于SVM，最終決策函數(shù)只由少數(shù)的支持矢量所確定，計(jì)算的復(fù)雜性取決于支持矢量的數(shù)目，而不是樣本空間的維數(shù)，這在某種意義上避免了“維數(shù)災(zāi)難”。在高維空間有效，在維度數(shù)量大于樣本數(shù)量的情況下仍然有效。Decisiontrees易于理解，乃至比線性回歸更直觀;模型可以通過(guò)樹(shù)的形式進(jìn)行可視化展示，與人類(lèi)做決策思考的思維習(xí)慣契合。可以直接處理非數(shù)值型數(shù)據(jù)。

4 結(jié)束語(yǔ)

這里已經(jīng)完成了這個(gè)項(xiàng)目的以下步驟：對(duì)數(shù)據(jù)進(jìn)行了預(yù)處理，然后對(duì)數(shù)據(jù)進(jìn)行了分析。理解特征之間的關(guān)系，基于特征之間的依賴(lài)關(guān)系選取特征，然后進(jìn)行數(shù)據(jù)分析。采用多種的算法，采用對(duì)于本軟件最有效的三種算法（這里就是DecisionTree，KNN，SVM）。此中Accuracy是根據(jù)測(cè)試集樣本正確率計(jì)算的。

通過(guò)分析可以得出結(jié)論，可以利用機(jī)器學(xué)習(xí)算法進(jìn)行空氣質(zhì)量預(yù)測(cè)分析，從而預(yù)測(cè)下一天的空氣質(zhì)量。該空氣質(zhì)量軟件預(yù)測(cè)系統(tǒng)是有效的，有助于滿(mǎn)足預(yù)測(cè)的要求。使用該空氣質(zhì)量預(yù)測(cè)系統(tǒng)可以有效地預(yù)測(cè)空氣質(zhì)量，對(duì)人們的日常生活具有重要意義。

參考文獻(xiàn)：

[1]施曉娟，張會(huì)然，閻錫新.大氣懸浮顆粒物所致氣道黏液高分泌的研究進(jìn)展[Jl-廣東醫(yī)學(xué)，2017，38（S1）：279-281.

[2]巫升平.成都市空氣污染物季節(jié)性變化規(guī)律[J].科技風(fēng)，2017（23）：140-141.

[3]杜飛燕.PM2.5暴露對(duì)大鼠清除肺炎克雷白桿菌的影響及其機(jī)制[D].石家莊：河北醫(yī)科大學(xué)，2012.

[4]莫洪武，萬(wàn)榮澤，分類(lèi)算法在煤礦勘探數(shù)據(jù)分析系統(tǒng)中的比較[J]-煤炭技術(shù)，2013，32（12）：135-136.

[5]楊偉光.面向大數(shù)據(jù)分析的決策樹(shù)算法研究[J].電子技術(shù)與軟件工程，2018（23）：175.

[6]楊鐵建.基于支持向量機(jī)的數(shù)據(jù)挖掘技術(shù)研究[D].西安：西安電子科技大學(xué)，2005.

[7]周明飛，熊偉，劉還珠.KNN方法在貴州晴雨預(yù)報(bào)中的試驗(yàn)[J].貴州氣象，2010，34（6）：3-5.

[8]趙宇.基于支持向量機(jī)的多用戶(hù)檢測(cè)算法、功率控制算法和波達(dá)方向估計(jì)算法[D].合肥：中國(guó)科學(xué)技術(shù)大學(xué)，2006.

【通聯(lián)編輯：聞翔軍】

作者簡(jiǎn)介：胡書(shū)明（1996-），男，河南商水人，碩士研究生，助教，研究方向?yàn)檐浖こ獭?/p>