空氣PM2.5等級預測系統

胡書明 張明麗

摘要：如今隨著現代工業的不斷發展，人類的生產生活活動每天都在產生大量廢氣，嚴重影響了這里生活環境中的空氣質量。在浩繁空氣污染物中，PM2.5是對人體健康危害非常大的一種污染物。現有的測量PM2.5測量手段有著無法實時測量、精確度不高、適用性不廣等缺點，所以可以利用機器學習的方法通過空氣中其他物質的濃度來對PM2.5的濃度等級進行預測。該項目通過對北京市數年來的空氣成分數據進行數據挖掘，從而實現對于PM2.5等級的預測。在項目中，主要使用了三種算法，分別是決策樹，支持矢量機（ SVM）和K臨鄰算法（KNN），并且對比這三種算法的優劣性。實驗結果表明，該系統能夠有效地預測空氣質量，對人們的日常生活具有重要意義。

關鍵詞：決策樹;支持矢量機;K臨鄰;PM2.5

中圖分類號：TP311文獻標識碼：A

文章編號：1009-3044（2020）27-0209-02

開放科學（資源服務）標識碼（OSID）：

1 引言

隨著現代工業的不斷發展，人類的生產生活活動每天都會產生大量的廢氣，這些氣體排放到空氣當中，嚴重影響了這里生活環境中的空氣質量。人們的環保意識和可持續發展意識正在不停加強，對PM2.5等空氣中的有害成分也越來越重視。

1.1空氣質量概述

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

1.2對于空氣質量的預測

在如今，PM2.5的測量主要有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，重量法測量PM2.5最為精確，但是無法做到實時監測，另外兩種方法只適用于部分情況的測量，并且成本高昂。這里希望能夠做到對PM2.5在空氣中濃度的實時精確獲取，以現有的測量方法并不能直接做到，但是這里可以利用機器學習的方法，通過空氣中的其他成分來對PM2.5的濃度進行預測。

1.3項目目標以及意義

該項目的目的是通過對于空氣中其他影響空氣質量的成分，來對于空氣中PM2.5的濃度等級進行預測。本次項目中，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量報告.通過對于空氣中其他成分的數據挖掘，來對于第二天的PM2.5等級進行預測。

2 實現過程

2.1 數據集

數據集來源為中國空氣質量在線監測分析平臺，網址為https：//www.aqistudy.cn/historydata。參考巫升平‘31的數據集組成，這里選取了7個屬性。下面列出了數據集的格式，每個屬性值及其單位。

2.2 系統結構

該空氣PM2.5等級預測系統的結構如下：

3 預測結果

這里使用了3種預測算法：1）決策樹;2）樸素葉斯;3）KNN。分類精度最低的是88.09%，分類精度最高的是90.87%。對于該大氣模型而言，效果已經算是良好。

3.1 決策樹

決策樹（Decision Tree）是在已知各種情況發生概率的基礎上，直觀運用概率分析的一種圖解法[5]。在機器學習中，決策樹是一個預測模型，他代表的是對象屬性與對象值之間的一種映射關系。Entropy定義為系統的凌亂程度，使用算法ID3，C4.5和C5.0生成樹算法使用熵。這一度量是基于信息學理論中熵的概念。

決策樹的學習過程如下：

3.2 SVM

SVM是新興發展的一種以統計學習理論為基礎的機器學習方法，能有效地避免經典機器學習方法中的（包括神經網絡）的過學習、維數災難、局部極小等傳統分類存在的問題，在小樣本條件下仍具有很好的泛化能力，因此受到極大的關注。

SVM的學習過程如下：

3.3 KNN

K最近鄰（k-Nearest Neighbor，KNN）分類算法，是一個理論上比較成熟的方法，也是最簡單的機器學習算法之一。由于KNN方法主要靠周圍有限的鄰近的樣本，而不是靠判別類域的方法來確定所屬類別的，因此對于類域的交叉或重疊較多的待分樣本集來說，KNN方法較其他方法更為適。

訓練過程的查準率（ Precision），查全率（reCall），以及fl測度值如下：

3.4 結果對比

對于KNN來說，準確率高，對異常值和噪聲有比較高的容忍度。和樸素貝葉斯之類的算法比，對數據沒有假定，準確度高，對異常點不敏感。可以用于非線性分類，計算量大，對于存儲器的需求也大。對于SVM，最終決策函數只由少數的支持矢量所確定，計算的復雜性取決于支持矢量的數目，而不是樣本空間的維數，這在某種意義上避免了“維數災難”。在高維空間有效，在維度數量大于樣本數量的情況下仍然有效。Decisiontrees易于理解，乃至比線性回歸更直觀;模型可以通過樹的形式進行可視化展示，與人類做決策思考的思維習慣契合。可以直接處理非數值型數據。

4 結束語

這里已經完成了這個項目的以下步驟：對數據進行了預處理，然后對數據進行了分析。理解特征之間的關系，基于特征之間的依賴關系選取特征，然后進行數據分析。采用多種的算法，采用對于本軟件最有效的三種算法（這里就是DecisionTree，KNN，SVM）。此中Accuracy是根據測試集樣本正確率計算的。

通過分析可以得出結論，可以利用機器學習算法進行空氣質量預測分析，從而預測下一天的空氣質量。該空氣質量軟件預測系統是有效的，有助于滿足預測的要求。使用該空氣質量預測系統可以有效地預測空氣質量，對人們的日常生活具有重要意義。

參考文獻：

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

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

[3]杜飛燕.PM2.5暴露對大鼠清除肺炎克雷白桿菌的影響及其機制[D].石家莊：河北醫科大學，2012.

[4]莫洪武，萬榮澤，分類算法在煤礦勘探數據分析系統中的比較[J]-煤炭技術，2013，32（12）：135-136.

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

[6]楊鐵建.基于支持向量機的數據挖掘技術研究[D].西安：西安電子科技大學，2005.

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

[8]趙宇.基于支持向量機的多用戶檢測算法、功率控制算法和波達方向估計算法[D].合肥：中國科學技術大學，2006.

【通聯編輯：聞翔軍】

作者簡介：胡書明（1996-），男，河南商水人，碩士研究生，助教，研究方向為軟件工程。