空气PM2.5等级预测系统

胡书明 张明丽

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。