[發明專利]一種基于堆疊選擇性集成學習器的空氣中細顆粒物PM2.5

有效

• 申請號: 201811415764.1
• 申請日: 2018-11-26
• 公開（公告）號: CN109615082B
• 公開（公告）日: 2023-05-12
• 發明（設計）人: 顧錁;喬俊飛
• 申請（專利權）人: 北京工業大學
• 主分類號: G06N20/00
• 分類號: G06N20/00;G01N15/06
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 劉萍

本發明涉及一種基于堆疊選擇性集成學習器的空氣中細顆粒物PMsubgt;2.5/subgt;濃度的預測方法。以過去24小時內每小時空氣中6種污染物濃度和6種氣象指標共計24組12種特征作為輸入，得到PMsubgt;2.5/subgt;濃度預測值。該模型在一個三階段框架中實現，首先，通過適當選擇環境因素、時間因素和訓練樣本，創建了多種基學習器；然后，采用修剪技術，根據動態閾值對三個類別中的負向基學習器進行刪除；最后，對選取的正向基學習器采用堆疊技術進行集成，以預測未來PMsubgt;2.5/subgt;濃度。本發明較現有方法在預測誤差和數據來源難易程度上有明顯提升，可指導人們健康出行,還可以協助政府限制汽車流量、廢氣排放量等等。

技術領域

本發明利用堆疊選擇性集成學習器建立空氣中細顆粒物PM_2.5濃度的預測模型，通過以過去24小時內每小時空氣中6種污染物濃度和6種氣象指標共計24組12種特征作為輸入，對未來時刻的PM_2.5濃度進行預測。通過對未來時刻PM_2.5濃度的準確預測，既可以指導人們健康出行,還可以協助政府限制汽車流量、廢氣排放量等等,。基于堆疊選擇性集成學習器的空氣中細顆粒物PM_2.5濃度的預測方法既屬于空氣環境保護領域，又屬于機器學習領域。

背景技術

PM_2.5指大氣中漂浮的直徑小于或等于2.5微米的顆粒物，因其直徑較小，容易被吸進肺部也被稱作入肺顆粒物，是衡量空氣質量的重要指標。由于PM_2.5在空氣中停留時間較長、流動距離較遠，附著于顆粒物上的細菌等有害物質可以對人體造成較大傷害。

現有對PM_2.5濃度的預測較為有效的研究是基于通過大氣氣溶膠光學厚度(AOT)的預測，但是大氣氣溶膠光學厚度難以測量，所以導致這種方法難以投入應用。而現有的基于一些較容易測量和獲取的數據，例如溫度、風速、風向、濕度、壓力等，來對PM_2.5濃度進行預測的方法，都只是采用了例如多元線性回歸、主成分分析和主成分回歸等方法，這些方法只是使用線性模型或者簡單地串聯線性和非線性模型方法，所以這些模型幾乎無法完成PM_2.5濃度的預測這一如此復雜的預測問題。

針對現有方法所存在的種種不足，本發明所提出的預測模型在一個三階段框架中實現。首先，通過適當選擇環境因素、時間因素和訓練樣本，創建了多種基學習器；然后，采用修剪技術，根據動態閾值對三個類別中的負向基學習器進行刪除；最后，對選取的正向基學習器采用堆疊技術進行集成，以預測未來PM_2.5濃度。本發明較之現有的方法在預測誤差和數據來源的難易程度上有明顯的提升。

發明內容

本發明利用堆疊選擇性集成學習器建立空氣中細顆粒物PM_2.5濃度的預測模型，通過以過去24小時內每小時空氣中6種污染物濃度和6種氣象指標共計24組12種特征作為輸入，對未來時刻的PM_2.5濃度進行預測。通過該方法進行預測，較之現有方法在準確率上提升明顯，解決了PM_2.5濃度難以預測、難以控制的問題，可以為政府決策、群眾出行等提供參考；

本發明采用了如下的技術方案及實現步驟：

1.一種基于堆疊選擇性集成學習器的空氣中細顆粒物PM_2.5的預測方法，包括以下步驟：

針對空氣中細顆粒物PM_2.5濃度進行預測，以過去24小時內每小時空氣中6種污染物濃度和6種氣象指標共計24組12種特征作為輸入；

其特征在于，包括以下步驟：