大数据融合在空气质量预测领域的应用

钱坤 张克凡

［摘    要］ 大数据融合是将多种数据来源中的数据进行统一提取、融合，形成一个合适的数据集。以大数据的视角，运用大数据相关理论对传统问题进行研究，更能把握事物发展背后的规律，为决策提供支持。在通信领域，空气质量对信号传播效率和强度，以及通信计算服务器运行环境均有不可忽视的影响。本文研究宁波市每日的空气质量指数AQI以及六类主要污染物数据，运用大数据分析理论，对宁波空气质量进行分析预测，并挑选出最适合宁波的空气质量预测模型，预测出未来5天宁波的空气质量指数。

［关键词］ 大数据分析；空气质量；通信；SARIMA；LSTM

doi ： 10 . 3969 / j . issn . 1673 - 0194. 2023. 11. 051

［中图分类号］ TP315    ［文献标识码］  A      ［文章编号］  1673 - 0194（2023）11- 0178- 05

０      引    言

如今，大数据理念和技术的普及程度呈持续上升的趋势，国务院发布的《“十四五”数字经济发展规划》指出，“数据要素是数字经济的核心引擎”。空气质量不仅在环境保护领域占据重要的地位，同时对经济发展也有重要的影响，例如在空气质量长期较差的情况下，居民相关疾病发病率会上升，在一定程度上阻碍经济发展。在通信领域，空气质量同样是重要影响因素：当雾霾较严重时，由于空气中颗粒物浓度较高，波的衍射现象发生的概率随之上升，信号的传播方向就更容易发生改变。此外，由于空气中介质浓度较高，信号强度通过介质时衰减程度较高，对日常生产生活也产生了消极影响。

宁波作为长三角城市圈内的重要城市，其经济与社会地位举足轻重。在大数据融合的背景下，建立相应的数理统计模型，对宁波市空气质量进行分析预测，研究其空气质量变化的背后原因及规律，不仅能够在环境保护方面提供建议，而且有助于规划城市发展道路，优化经济发展政策。

空气质量指数（ＡＱＩ）是对当地空气质量的描述，是根据 ＰＭ２．５、ＰＭ１０、ＮＯ２、ＣＯ、ＳＯ２ 和 Ｏ３ 等六个空气质量指标的浓度计算得到的。其计算公式如下：

式中：I为空气质量指数 ＡＱＩ，Ih和It分别为 ＡＱＩ 值上下限，Ch和Ct分别为污染物浓度上下限，C为该污染物当前浓度。空气质量指数 ＡＱＩ 的取值等于上述六种污染物计算出的 ６个I值的最大值。

本文选取２０１４年１月１日至２０２２年８月２５日宁波市每日的空气质量指数ＡＱＩ以及六类主要污染物数据。首先对其进行数据预处理，若数据存在缺失值，则需要通过相应算法进行插补。其次，文章通过相关性分析研究各指标之间的关联，并利用ＳＡＲＩＭＡ模型与ＬＳＴＭ模型对宁波市未来空气质量指数进行预测，筛选出最优模型。

在进行ＳＡＲＩＭＡ模型定阶时，与传统的利用ＡＣＦ与ＰＡＣＦ图不同，文章将网格搜索法引入ＳＡＲＩＭＡ模型中，设定ＳＡＲＩＭＡ模型的６个参数的最大值，通过网格搜索，依据ＡＩＣ准则自动求得最优参数，节省时间的同时提高了模型预测的准确度。在拟合ＬＳＴＭ模型时，本文利用Ａｄａｍ算法优化替代了传统的参数寻找模式，提升了模型运行效率和准确性。

１     数据来源及方法介绍

１．１   数据来源

宁波是长三角城市圈内的重要城市，其经济与社会地位举足轻重。空气质量是影响城市发展的重要指标，研究并预测未来宁波的空气质量指数有重大现实意义。本文选取２０１４年１月１日至２０２２年８月２５日宁波市每日的空气质量指数ＡＱＩ以及六类主要污染物：ＰＭ２．５、ＰＭ１０、ＳＯ２、ＣＯ、ＮＯ２ 和 Ｏ３ 的浓度数据（单位：μg／m3）。所有数据均摘自空气质量在线分析平台（ｗｗｗ．ａｑｉｓｔｕｄｙ．ｃｎ）。

１．２   相關性分析

相关性分析是判断变量之间的相关程度，由相关系数进行衡量：相关系数值在０．８～１之间时，变量极强相关；相关系数值在０．６～０．８时，变量强相关；相关系数值在０．４～０．６时，变量中等强度相关；相关系数值在０．２～０．４时，变量弱相关；相关系数值在０～０．２时，变量极弱相关或不相关。

两变量X与Y之间的相关系数ρXY计算公式如下：

式中ｃｏｖ（Ｘ，Ｙ）为变量X与变量Y之间的协方差，σX和σY分别为变量X与变量Y的标准差，μX和μY分别为变量X与变量Y的均值。

１．３   ＳＡＲＩＭＡ模型

ＳＡＲＩＭＡ模型由基础的ＡＲＩＭＡ模型衍生而来，是在原有的ＡＲＩＭＡ模型中增加季节参数得到。ＳＡＲＩＭＡ的一般形式如下：

Φｐ（Ｌ）Ａｐ（Ｌｓ）ΔｄΔｓＤｙｔ＝Θｑ（Ｌ）ＢＱ（Ｌｓ）εｔ（３）

其中ｙｔ为当前数据，εｔ为当前误差，（Ｐ，Ｑ，ｐ，ｑ）分别为季节与非季节ＡＲ和ＭＡ参数，（Ｄ，ｄ）分别表示季节和非季节性差分次数。在本研究中，将分别把yt定义为六类主要污染物浓度的取值。

１．４   ＬＳＴＭ模型

ＬＳＴＭ是一种自循环的神经网络，能够将之前学习到的参数权重引入下一次的学习中，并进行优化。 ＬＳＴＭ由一系列ＬＳＴＭ单元组成，其结构如图１所示。

２      数据预处理

本文采用的宁波 ２０１４ 年 １ 月 １ 日至 ２０２２ 年 ８ 月 ２５ 日的空气质量指数（ＡＱＩ）及各污染物浓度的数据是从空气质量在线分析平台（ｗｗｗ．ａｑｉｓｔｕｄｙ．ｃｎ）摘录所得，其每日 ＡＱＩ及各种污染物的浓度数据是根据当天宁波市内 ９ 个气象观测点观测的每小时实际数据，经过计算并对其求平均值所得，所以既存在数据观测记录时数据丢失，也存在计算过程中选取的算法导致数据缺失的情况。因此，在对数据进行分析前，必须检测数据是否完整，若存在缺失值，必须使用相应方法对其进行插补。由于本文数据集中各指标之间可能存在较强的线性关系，文章利用ｍｉｃｅ函数对数据进行数据缺失值的检测与插补，检测结果如图２所示。根据图２结果，数据集不存在缺失值，可以进行下一步分析。

３      基本数据分析

３．１   相关性分析

文章根据变量两两之间的相关系数，作出宁波空气质量的各指标相关系数图，结果如图３所示。通过分析各指标之间的相关系数可以提前找出各指标之间的关联，并有针对性地在之后的研究分析中着重讨论该部分。根据图３数据可以看出，空气质量指数ＡＱＩ与Ｏ３的相关系数为０．３２，说明ＡＱＩ与该类主要污染物有一定的相关性，但相关性不强，属于弱相关；ＡＱＩ与其余五类污染物相关性更低，因此可认为与其不相关。此外，ＳＯ２与ＣＯ的相关系数达到了０．５１，属于中等强度相关，因此该两类污染物的变化很可能是同步的。

４      空气质量预测

对城市未来空气质量指数预测有相当重要的现实意义，根据预测结果，若当地空气质量指数在未来一段时间内呈持续下降趋势，则相关部门机构需要制定相应对策，来应对空气质量的变化。预测未来空气质量，能够为决策部门提供相应的建议。

本文聚焦２０１４年１月１日至２０２２年８月２５日的空气质量指数ＡＱＩ这一指标，将其构建为时间序列，对其分别建立ＳＡＲＩＭＡ模型与ＬＳＴＭ模型，预测其未来的变化，并挑选出准确率更高、稳定性更强的模型。

４．１   ＳＡＲＩＭＡ模型

ＳＡＲＩＭＡ模型是在非季节的ＡＲＩＭＡ（ｐ，ｄ，ｑ）模型中加入了时间参数，构建了ＳＡＲＩＭＡ（ｐ，ｄ，ｑ）（Ｐ，Ｄ，Ｑ）［Ｔ］模型，其中（Ｐ，Ｄ，Ｑ）为季节参数，Ｔ为时间序列的周期。构建２０１４年１月１日至２０２２年８月２５日的宁波市空气质量指数ＡＱＩ的时间序列后，需对其进行季节性分解，判断其是否存在季节性，若存在，则需建立ＳＡＲＩＭＡ模型，若不存在，建立ＡＲＩＭＡ模型即可，季节性分解结果如图４所示。图４中ｓｅａｓｏｎａｌ图展示的是该时间序列的季节性趋势，从结果可以看出，宁波市空气质量指数ＡＱＩ存在较强的季节性，而且大致以１２月为周期，因此令参数Ｔ＝１２。ｔｒｅｎｄ图体现了时间序列的趋势性，若序列存在趋势性，则需要对其进行差分运算，使数据平稳化。从图中结果可看出，数据大致存在递减的趋势，为确定序列平稳性，还需对其进行ＡＤＦ检验。经ＡＤＦ检验后，其统计量ｐ值为０．００，小于显著性水平０．０５的阈值，因此序列是平稳的，无须对其进行差分运算，模型参数ｄ为０。

由于ＳＡＲＩＭＡ模型存在６个参数，若通过ＡＣＦ和ＰＡＣＦ图进行模型定阶效率低下，而且准确度较低。因此，本文选择通过网格搜索法，基于ＡＩＣ和ＢＩＣ准则，让模型自动搜寻参数，进行模型的定阶。在本研究中，选取参数（ｐ，ｑ）最大值为５，参数（Ｐ，Ｑ）最大值为２，参数Ｄ值为１，利用网格搜索法和ＡＩＣ、ＢＩＣ准则进行模型定阶，得到最优ＳＡＲＩＭＡ模型为ＳＡＲＩＭＡ（３，０，３）（１，１，１）。本文将前８０％数据设置为训练集，后２０％数据设置为测试集，检验该模型在测试集上的预测情况，其结果如图５所示。从图中可以看出，该模型的预测值与真实值较为相似，因此可以作为宁波市空气质量指数ＡＱＩ的预测模型。对未来５日的宁波市ＡＱＩ进行预测，其结果如表１所示。

４．２   ＬＳＴＭ模型

在使用ＳＡＲＩＭＡ模型对宁波市空气质量指数ＡＱＩ进行预测之后，为选取合适的预测模型，本文还利用ＬＳＴＭ模型对数据进行预测。与ＳＡＲＩＭＡ建模过程相同，本文同样将前８０％数据设置为训练集，将后２０％数据设置为测试集，利用训练集数据拟合ＬＳＴＭ模型，并判断其在训练集上的预测准确度。由于ＬＳＴＭ模型中选取合适的参数较为困难，本文利用Ａｄａｍ算法对参数选取进行优化，自动计算出最优参数。经ＬＳＴＭ模型拟合，其在测试集上的预测值如图６所示。从图中结果可以看出，ＬＳＴＭ模型的预测值和真实值较为相似，而且相對于ＳＡＲＩＭＡ模型，其对真实值的拟合程度更高，因此在预测宁波未来空气质量指数时，选用ＬＳＴＭ模型更为合适，对未来５天的空气质量指数进行预测，结果如表２所示。

５      结束语

经过对宁波市空气质量指数ＡＱＩ以及其余六类污染物的分析，结果发现宁波市ＡＱＩ与当地Ｏ３的相关性相较于其余五类污染物更大，因此其空气质量主要受当地Ｏ３浓度影响，但是其两者之间的相关性属于弱相关，因此还存在本文未研究的指标对空气质量产生了更大的影响。在空气质量预测阶段，本文选取了ＳＡＲＩＭＡ模型，在原有ＡＲＩＭＡ模型的基础上加入了季节性参数，增加了模型拟合和预测的准确性。此外，本文还选用了ＬＳＴＭ模型进行数据拟合，并与ＳＡＲＩＭＡ模型进行对比，结果发现ＬＳＴＭ模型预测准确性更好，适合对宁波市未来的空气质量进行预测。在大数据的视角下对传统问题进行研究，能够更加准确、更加系统地对数据变化规律和原因进行探究把握，以数学的方式将问题发展的趋势一目了然地展现出来，为解决问题提供良好建议。同时，本文也存在一些不足之处，例如在研究各指标之间的关系时，仅仅使用了相关性分析，还没有进行更深层的研究，在时间序列预测时，也只使用了单变量时间序列预测，希望能在日后工作中继续深入探讨。

主要参考文献

［１］张冬雯，赵琪，许云峰，等．基于长短期记忆神经网络模型的空气质量预测［J］．河北科技大学学报，2020（1）：67-75．

［2］郑洋洋，白艳萍，续婷．基于ＳＡＲＩＭＡ－ＳＶＲ组合模型的空气质量指数预测［Ｊ］．河北工业科技，２０１９，３６（６）：４３６－４４１．

［3］谢放尖，李文青，牟莹莹，等．宁波青奥期间污染减排对空气质量影响研究［Ｊ］．环境科学与管理，２０１６，４１（１１）：９４－９８．

［4］马丽娜，刘思强，陆小梅．定西市安定区手足口病ＳＡＲＩＭＡ预测模型研究［Ｊ］．中国公共卫生管理，２０２１，３７（１）：５９－６１．

［5］马明骏，赵海心，姜孝谟，等．基于ＬＳＴＭ－ＷＰＨＭ模型的风机轴承故障报警与寿命预测方法［Ｊ］．风机技术，２０２２，６４（３）：６３－７１．