鄭茂波 孟佳俊 魯越

摘? 要：基于天氣數(shù)據(jù)進(jìn)行空氣質(zhì)量預(yù)測(cè)，首先收集成都市A區(qū)2018年4月1日到2018年6月3日64天24個(gè)天氣屬性，然后對(duì)天氣屬性進(jìn)行篩選、數(shù)據(jù)處理;接著，建立KNN分類模型，利用k折交叉驗(yàn)證和多數(shù)表決原則對(duì)64個(gè)樣本進(jìn)行分類;最后在傳統(tǒng)KNN分類模型的基礎(chǔ)上，使用反距離加權(quán)建模，結(jié)果表明模型有較好的泛化能力和預(yù)測(cè)效果。

關(guān)鍵詞：天氣數(shù)據(jù);空氣質(zhì)量;k折交叉驗(yàn)證;反距離加權(quán);KNN算法

中圖分類號(hào)：X823 文獻(xiàn)標(biāo)志碼：A? ? ? ? ?文章編號(hào)：2095-2945（2020）34-0037-03

Abstract： This paper forecasts air quality based on weather data. 24 weather attributes from April 1， 2018 to June 3， 2018 are collected from April 1， 2018 to June 3， 2018. Then， the KNN classification model is established， and 64 samples are classified by k fold cross verification and majority voting principle. Finally， on the basis of the traditional KNN classification model， the model is established by inverse distance weighting， and the results show that the model has good generalization ability and prediction effect.

Keywords： weather data; air quality; k fold cross verification; inverse distance weighting; KNN algorithm

引言

近年來，由于能源消耗的不斷增加，空氣污染日益加劇，空氣質(zhì)量問題已經(jīng)嚴(yán)重影響到人們的正常生活，各種呼吸道疾病頻發(fā)?？諝馕廴静粌H對(duì)人類的身體健康造成了極大的損害，還對(duì)生態(tài)環(huán)境造成了嚴(yán)重的負(fù)面影響。2018年7月，國務(wù)院頒布了《打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動(dòng)計(jì)劃》，明確四個(gè)“明顯”主要任務(wù)：明顯降低細(xì)顆粒物（PM2.5）濃度、明顯減少重污染天數(shù)、明顯改善空氣質(zhì)量和明顯增強(qiáng)人民的藍(lán)天幸福感。因此，進(jìn)行空氣質(zhì)量預(yù)測(cè)，為當(dāng)?shù)卣皶r(shí)提供信息，避免嚴(yán)重空氣污染事故的發(fā)生是很有必要的[1]。

針對(duì)大氣質(zhì)量的計(jì)量分析和預(yù)測(cè)，劉杰等[2]提出應(yīng)用支持向量機(jī)和模糊?；瘯r(shí)間序列相結(jié)合的方法，對(duì)PM2.5質(zhì)量濃度未來變化趨勢(shì)和范圍進(jìn)行預(yù)測(cè);楊錦偉等[3]基于馬爾科夫模型建立了空氣污染物濃度預(yù)測(cè)模型;陸志濤等[4]基于RAM擴(kuò)展模型構(gòu)建了評(píng)估空氣質(zhì)量狀況的空氣質(zhì)量指數(shù)以及評(píng)估空氣質(zhì)量提升空間的空氣質(zhì)量發(fā)展指數(shù)，并將其應(yīng)用于我國城市空氣質(zhì)量的評(píng)價(jià)研究;賀金龍等[5]運(yùn)用灰色系統(tǒng)理論建立污染物GM（1，1）預(yù)測(cè)模型，實(shí)現(xiàn)了對(duì)北京市環(huán)境污染情況的預(yù)測(cè);姜孿娟等[6]以江蘇省為例，提出一種基于BP神經(jīng)網(wǎng)絡(luò)的空氣污染預(yù)測(cè)模型。

綜合上述文獻(xiàn)可以看出，學(xué)者們從不同的角度，采用不同的方法，對(duì)大氣環(huán)境進(jìn)行評(píng)價(jià)。本文將傳統(tǒng)KNN分類算法進(jìn)行改進(jìn)，對(duì)成都市A區(qū)2018年64個(gè)樣本進(jìn)行反距離加權(quán)、采用循環(huán)尋找最佳的K，并利用14個(gè)天氣屬性數(shù)據(jù)值進(jìn)行空氣質(zhì)量的預(yù)測(cè)。

1 數(shù)據(jù)來源及處理

1.1 天氣數(shù)據(jù)

從中國氣象數(shù)據(jù)網(wǎng)（http：//data.cma.cn/site/index.html）獲得成都市A區(qū)2018年4月1日到2018年6月3日每天的天氣數(shù)據(jù)，共64組樣本數(shù)據(jù)，每組樣本數(shù)據(jù)包含24個(gè)屬性。

1.2 空氣質(zhì)量數(shù)據(jù)

從成都市環(huán)境空氣質(zhì)量發(fā)布系統(tǒng)（http：//182.150.31.86：9875/Default.aspx）公開獲取對(duì)應(yīng)時(shí)間的空氣質(zhì)量指數(shù)（AQI），根據(jù)環(huán)境空氣質(zhì)量指數(shù)（AQI）技術(shù)規(guī)定（試行）的標(biāo)準(zhǔn)[7]，對(duì)應(yīng)不同的空氣質(zhì)量類別，如表1所示。

表1 空氣質(zhì)量指數(shù)

1.3 數(shù)據(jù)處理

1.3.1 數(shù)據(jù)篩選

去掉天氣數(shù)據(jù)的24個(gè)屬性中跟空氣質(zhì)量關(guān)系不大和主觀的定性的屬性數(shù)據(jù)，即去掉現(xiàn)在天氣、風(fēng)力、體感溫度、水平能見度、總云量、云量、低云量、2分鐘平均風(fēng)向（角度）、最大風(fēng)速的風(fēng)向、極大風(fēng)速的風(fēng)向共10個(gè)屬性。

1.3.2 數(shù)據(jù)整理

獲取的天氣數(shù)據(jù)都是以小時(shí)為單位，而空氣質(zhì)量數(shù)據(jù)（AQI）是以天為單位，所以先要對(duì)天氣數(shù)據(jù)進(jìn)行處理，對(duì)余下的14個(gè)不同屬性數(shù)據(jù)采用了以下方法：

（1）取累加和：降水量

（2）取最大值：最高氣溫、最高氣壓、最大風(fēng)速、極大風(fēng)速

（3）取最小值：最低氣溫、最低氣壓、最小相對(duì)濕度

（4）取平均值：氣壓、海平面氣壓、溫度、2分鐘平均風(fēng)速、相對(duì)濕度、水汽壓

2 KNN模型

2.1 KNN模型原理

KNN算法的基本原理是通過選取K個(gè)離測(cè)試點(diǎn)最近的訓(xùn)練樣本點(diǎn)，并輸出這K個(gè)樣本點(diǎn)中數(shù)量最多的樣本標(biāo)簽即多數(shù)表決原則，從而得到測(cè)試點(diǎn)的類別。

假設(shè)每一個(gè)訓(xùn)練樣本有n個(gè)特征值，那么每一個(gè)樣本都可以用一個(gè)n維行向量表示：X（x1，x2...xn），樣本點(diǎn)的每一個(gè)樣本所屬的類別均已知，同樣，每一個(gè)測(cè)試點(diǎn)樣本也可以表示為：Y=（y1，y2...yn），要實(shí)現(xiàn)KNN算法，需要計(jì)算出每一個(gè)樣本點(diǎn)到測(cè)試點(diǎn)的距離，然后選取距離最近的K個(gè)樣本，獲取K個(gè)樣本中每一個(gè)樣本的類別標(biāo)簽，再找出K個(gè)樣本中數(shù)量最多的標(biāo)簽即多數(shù)表決原則，最后返回該標(biāo)簽并獲得最后測(cè)試樣本類別結(jié)果。

2.2 數(shù)據(jù)標(biāo)準(zhǔn)化

本文采用最大值最小值標(biāo)準(zhǔn)化，使所有數(shù)據(jù)均處于[0，1]區(qū)間內(nèi)，新的數(shù)據(jù)值？自′等于原始值？自與最小值？自min的差除以最大值？自max與最小值？自min的差，即：

？自′=（1）

2.3 距離公式

針對(duì)天氣數(shù)據(jù)的特點(diǎn)，采用歐氏距離來測(cè)定樣本相似度，則距離d為：

d=？自′？自′2（2）

2.4 k-折交叉驗(yàn)證

（1）首先將前50組樣本數(shù)據(jù)作為訓(xùn)練集，剩下的14組樣本數(shù)據(jù)作為測(cè)試集。

（2）增強(qiáng)模型的泛化能力，對(duì)50組樣本數(shù)據(jù)采用k-折交叉驗(yàn)證（注：與KNN算法的K不一樣），即將訓(xùn)練集平均分成k等分，每次將其中的k-1組樣本數(shù)據(jù)作為訓(xùn)練，剩下的1組樣本數(shù)據(jù)作為驗(yàn)證集，一共進(jìn)行k次，取k次的平均正確率來驗(yàn)證模型?？紤]到每組的樣本數(shù)據(jù)的數(shù)量，本文取k=5，即將訓(xùn)練集分成5組，每組為10個(gè)樣本數(shù)據(jù)。

2.5 多數(shù)表決原則

圖1中，圓圈要被決定賦予哪個(gè)類，是三角形還是四方形？如果K=3，由于三角形所占比例為2/3，圓圈將被賦予三角形那個(gè)類，如果K=5，由于四方形比例為3/5，因此圓圈被賦予四方形類。

以2.1-2.5建立的KNN模型稱為模型一。

3 模型的改進(jìn)和結(jié)果

3.1 反距離加權(quán)

如圖1所示，內(nèi)環(huán)的兩個(gè)三角形對(duì)圓圈的影響是不是一樣的？從相似的角度出發(fā)，兩個(gè)樣本距離越近，說明屬性越相似，也就是類別更接近。所以，在多數(shù)表決原則的基礎(chǔ)上，需要對(duì)不同距離的樣本給出權(quán)重，距離越近，所占權(quán)重越大。選取反距離加權(quán)，記權(quán)重系數(shù)為w，則

w=?（3）

其中？姿表示待定常數(shù)，是為防止d過小導(dǎo)致的w趨于無窮大，以此建立模型稱為模型二。

3.2 K值的選擇

在模型訓(xùn)練中，以2.4中的k-折交叉驗(yàn)證的分類平均正確率為目標(biāo)，采用循環(huán)搜索，尋找最佳的K和？姿。

3.3 模型結(jié)果

模型得到的訓(xùn)練參數(shù)和分類結(jié)果見表2。從表2可以看到，在訓(xùn)練集，模型二比模型一的分類正確率只有少許提高;但是在測(cè)試集卻有大幅度提高，這說明模型二較模型一有效。同時(shí)模型二的測(cè)試集的正確率高于訓(xùn)練集，說明模型二有不錯(cuò)的泛化能力。

3.4 模型結(jié)果的分析

上述模型的正確率都在70%左右，分析結(jié)果主要有以下兩個(gè)原因：

（1）樣本數(shù)據(jù)集較少：總共只有50組訓(xùn)練樣本，造成訓(xùn)練不足以致影響正確率。

（2）樣本不均衡：分析50組訓(xùn)練樣本發(fā)現(xiàn)大多數(shù)標(biāo)簽（即AQI分類）集中在第Ⅱ，III類，其它類別較少。

4 模型評(píng)價(jià)

采用傳統(tǒng)的KNN算法，效果不佳，并且泛化能力弱，采用反距離加權(quán)的KNN算法，明顯提高了模型的分類正確率。同時(shí)，使用k-折交叉驗(yàn)證可以有效提高模型的泛化能力。

下一步研究考慮的方向：

（1）搜集的樣本數(shù)據(jù)集的數(shù)量足夠且保持均衡。

（2）樣本屬性數(shù)據(jù)的處理：當(dāng)樣本屬性數(shù)量較多時(shí)，不同屬性的重要程度也不是一樣的，可以考慮屬性加權(quán)或者是采用主成分分析進(jìn)行降維處理。

參考文獻(xiàn)：

[1]CHEN Y，SHI R，SHU S，et al.Ensemble and enhanced PM10 concentration forecast model based on stepwise regression and wavelet analysis[J]. Atmospheric Environment， 2013，74：346-359.

[2]劉杰，楊鵬，呂文生，等.模糊時(shí)序與支持向量機(jī)建模相結(jié)合的PM（2.5）質(zhì)量濃度預(yù)測(cè)[J].北京科技大學(xué)學(xué)報(bào)，2014，36（12）：1694-1702.

[3]楊錦偉，孫寶磊.基于灰色馬爾科夫模型的平頂山市空氣污染物濃度預(yù)測(cè)[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2014，44（2）：64-70.

[4]陸志濤，周鵬，吳菲.基于RAM拓展模型的我國城市空氣質(zhì)量評(píng)價(jià)[J].環(huán)境經(jīng)濟(jì)研究，2017，2（2）：93-107.

[5]賀金龍，吳晟，周海河，等.基于GM（1，1）-PCA的環(huán)境預(yù)測(cè)與分析研究[J].信息技術(shù)，2018（1）：105-109.

[6]姜孿娟.BP神經(jīng)網(wǎng)絡(luò)算法在空氣質(zhì)量預(yù)測(cè)中的應(yīng)用——以江蘇為例[J].信息與電腦：理論版，2018（24）：69-70，73.

[7]生態(tài)環(huán)境部.環(huán)境空氣質(zhì)量指數(shù)（AQI）技術(shù)規(guī)定（試行）[EB/OL].中華人民共和國生態(tài)環(huán)境部，2012-03-02[2019-8-24].http：//www.gov.cn/zwgk/2012-03/02/content_2081374.htm