[發(fā)明專利]基于不平衡修正半監(jiān)督學(xué)習(xí)的道邊空氣污染預(yù)測方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201811541675.1
• 申請(qǐng)日: 2018-12-17
• 公開（公告）號(hào): CN109657858B
• 公開（公告）日: 2023-06-23
• 發(fā)明（設(shè)計(jì)）人: 佘青山;吳啟凡;蔣鵬;席旭剛;林宏澤
• 申請(qǐng)（專利權(quán)）人: 杭州電子科技大學(xué)
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q10/0637;G06Q50/26;G06N20/00
• 代理公司: 浙江千克知識(shí)產(chǎn)權(quán)代理有限公司 33246
• 代理人: 周希良

本發(fā)明公開了一種基于不平衡修正半監(jiān)督學(xué)習(xí)的道邊空氣污染預(yù)測方法。本發(fā)明包括以下步驟：（1）獲取道邊空氣監(jiān)測站點(diǎn)的歷史污染物數(shù)據(jù)。(2)對(duì)歷史污染物數(shù)據(jù)進(jìn)行預(yù)處理，并且劃分為訓(xùn)練集和測試集。(3)采用帶多數(shù)類權(quán)重的少數(shù)類過采樣技術(shù)對(duì)訓(xùn)練集中的有標(biāo)記污染物數(shù)據(jù)進(jìn)行不平衡修正。(4)將經(jīng)過不平衡修正的有標(biāo)記污染物數(shù)據(jù)和無標(biāo)記污染物數(shù)據(jù)作為輸入，訓(xùn)練半監(jiān)督超限學(xué)習(xí)機(jī)模型。(5)將測試集數(shù)據(jù)輸入到道邊空氣污染預(yù)測模型中，即可得到預(yù)測結(jié)果。本發(fā)明基于類別不平衡數(shù)據(jù)處理算法和半監(jiān)督學(xué)習(xí)技術(shù)，考慮了污染物數(shù)據(jù)的不平衡性、缺少標(biāo)記這一特性，提高了道邊監(jiān)測站點(diǎn)空氣污染預(yù)測精度。

技術(shù)領(lǐng)域

本發(fā)明涉及空氣污染預(yù)測技術(shù)領(lǐng)域，尤其是涉及一種基于不平衡修正半監(jiān)督學(xué)習(xí)的道邊空氣污染預(yù)測方法。

背景技術(shù)

隨著中國工業(yè)化、城市化進(jìn)程的不斷加速，機(jī)動(dòng)車保有量迅猛增長，移動(dòng)污染源排放總量增加，逐漸成為城市空氣污染的主要來源。機(jī)動(dòng)車尾氣的主要污染物包含CO、HC、NOx、PM，人體吸入這些有害氣體，會(huì)增加患呼吸和心血管的疾病的風(fēng)險(xiǎn)，這些污染對(duì)人體健康有很大影響。因此，為了控制機(jī)動(dòng)車排放、改善區(qū)域空氣質(zhì)量，需要了解移動(dòng)污染源對(duì)道邊的污染情況，預(yù)測監(jiān)測站點(diǎn)周圍的空氣質(zhì)量。

目前，空氣污染預(yù)測方法主要分為：

(1)污染物擴(kuò)散模式模擬計(jì)算方法

這類方法通常基于經(jīng)驗(yàn)假設(shè)，根據(jù)污染物擴(kuò)散、遷移及轉(zhuǎn)換規(guī)律，模擬出一個(gè)計(jì)算公式。需要對(duì)污染物的形成和來源有充分的理解，得到的模型復(fù)雜，計(jì)算量大。且不同的道路建立的預(yù)測模型都不一樣，具有局限性。

(2)基于機(jī)器學(xué)習(xí)的預(yù)測方法

這類方法是由數(shù)據(jù)驅(qū)動(dòng)的，不模擬排放和污染物之間的物理模型，主要依賴于傳感器監(jiān)測到的氣象數(shù)據(jù)和污染物數(shù)據(jù)。常用的有人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、決策樹等。雖然這類機(jī)器學(xué)習(xí)模型在空氣污染預(yù)測上取得了不錯(cuò)的效果，但也存在如下問題：不同空氣質(zhì)量等級(jí)的數(shù)據(jù)存在非常大的不平衡性，例如，某個(gè)監(jiān)測站點(diǎn)的空氣質(zhì)量等級(jí)為1級(jí)的樣本有80個(gè)，2級(jí)的樣本只有20個(gè)。即使所有樣本都預(yù)測為空氣質(zhì)量1級(jí)，正確率依然可以達(dá)到80％，而對(duì)2級(jí)的預(yù)測準(zhǔn)確率為0％。這樣的預(yù)測模型是不符合實(shí)際的。傳統(tǒng)的基于機(jī)器學(xué)習(xí)的污染預(yù)測方法假設(shè)有標(biāo)記污染樣本充足，未考慮到大比例的無標(biāo)記污染樣本。如何利用有標(biāo)記樣本和無標(biāo)記樣本，提高預(yù)測模型性能，引到了廣泛的關(guān)注。

發(fā)明內(nèi)容

本發(fā)明克服現(xiàn)有技術(shù)的不足，提供一種基于不平衡修正半監(jiān)督學(xué)習(xí)的道邊空氣污染預(yù)測方法，在考慮到數(shù)據(jù)類別不平衡性的同時(shí)，結(jié)合半監(jiān)督學(xué)習(xí)建立預(yù)測模型，提高了模型的實(shí)用性和預(yù)測性能。

本發(fā)明技術(shù)解決方案：

一種基于不平衡修正半監(jiān)督學(xué)習(xí)的道邊空氣污染預(yù)測方法，該方法具體包括以下步驟：

S1:獲取道邊空氣監(jiān)測站點(diǎn)的歷史污染物數(shù)據(jù)X。

進(jìn)一步，在步驟S1中，包括：

歷史污染物數(shù)據(jù)X包括有標(biāo)記污染物樣本X_l和無標(biāo)記污染物樣本X_u。有標(biāo)記污染物樣本X_l為提前分好污染等級(jí)的樣本，無標(biāo)記污染物樣本X_u為未提前分好污染等級(jí)的樣本。

S2:對(duì)歷史污染物數(shù)據(jù)進(jìn)行預(yù)處理，并且劃分為訓(xùn)練集和測試集。

進(jìn)一步，在步驟S2中，對(duì)歷史污染物數(shù)據(jù)的預(yù)處理包括缺失值處理和歸一化處理。

S3:采用帶多數(shù)類權(quán)重的少數(shù)類過采樣技術(shù)(Majority?Weighted?MinorityOversampling?Technique，MWMOTE)對(duì)訓(xùn)練集中的有標(biāo)記污染物數(shù)據(jù)進(jìn)行不平衡修正。

進(jìn)一步，在步驟S3中，包括：