[發明專利]基于Kohonen網絡聚類和ReliefF特征選擇的空氣質量指數預測方法

有效

• 申請號: 201910756927.0
• 申請日: 2019-08-16
• 公開（公告）號: CN110569883B
• 公開（公告）日: 2023-03-31
• 發明（設計）人: 陳伯倫;朱國暢;朱全銀;袁燕;于永濤;馬甲林
• 申請（專利權）人: 淮陰工學院
• 主分類號: G06F18/23
• 分類號: G06F18/23;G06F18/211;G06V10/82;G06N3/0464;G06N3/088;G06Q10/04;G01W1/10
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 王恒靜

1.一種基于Kohonen網絡聚類和ReliefF特征選擇的空氣質量指數預測方法，其特征在于，包括：

(1)對原始空氣數據集Air進行預處理，得到處理后的空氣數據集A；

(2)采用Kohonen網絡聚類，將數據集A分為m類，得到第k類數據集A_k，k∈[1,m]；

(3)采用ReliefF特征選擇算法處理數據集A_k，得到第k類數據集A_k特征重要程度的排名R_k；

所述步驟3的具體包括：

(31)定義第k類數據集A_k的第f個特征，f∈[1,7×t]，f的初始值為1；

(32)定義數據集A_k為ReliefF算法的類別F_k1，其余類別為ReliefF算法的類別F_k2，k的初始值為1；

(33)定義P_k為類別F_k1在數據集A中所占的比例；

(34)定義diff(f,x,y)表示樣本x與樣本y在特征f上的差，如果x(f)＝y(f)，則diff(f,x,y)＝0，否則diff(f,x,y)＝1；

(35)從類別F_k1中隨機選取一個樣本x，選取與該樣本距離最近的q個最近鄰H_k，H_k＝{h₁,h₂,…,h_r,…,h_q}，從類別F_k2中選取與該樣本距離最近的q個最近鄰M_k，M_k＝{m₁,m₂,…,m_r,…,m_q}；

(36)令特征權重W(f)＝0；表示為：

(37)f＝f+1；

(38)如果f7×t，跳轉到步驟(39)，否則跳轉到步驟(35)；

(39)對特征權重W(f)進行排序，得到第k類數據集A_k的特征排名R_k；

(310)k＝k+1；

(311)如果km，跳轉到步驟(312)，否則，跳轉到步驟(34)；

(312)得到所有類別的特征排名R，R＝{R₁,R₂,…,R_k,…,R_m}；

(4)通過特征重要程度排名R_k，刪去第k類數據集A_k排名后c個特征，得到第k類經過特征選擇后的數據集F_k；

(5)通過NAR神經網絡，用數據集F_k前t天的數據預測t+1天的空氣質量指數，得到第k類NAR神經網絡訓練模型net_k；

(6)根據數據集A中隨即數據x所在類的特征排名R_z選取特征，用模型net_z得到預測結果y；

所述步驟6具體包括：

(61)定義z為x所在的第z類，z∈[1,m]；

(62)令k＝1，d_min為d_xk的最小值；

(63)計算A_k類的中心a_k，即A_k中所有數據的平均值；

(64)計算x與a_k的距離d_xk，d_xk＝||x-d_xk||；

(65)如果d_mind_xk，跳轉到步驟(66)，否則跳轉到步驟(68)；

(66)d_min＝d_xk；z＝k；

(67)k＝k+1；

(68)如果km，跳轉到步驟(69)，否則跳轉到步驟(63)；

(69)令f＝7×t；

(610)查詢特征f在R_z中的特征排名；

(611)如果f在特征排名R_z后c個，c∈[1,7×t-1]，則跳轉到步驟(612)，否則跳轉到步驟(614)；

(612)如果f不是空氣質量指數，則跳轉到步驟(613)，否則跳轉到步驟(614)；

(613)刪除f所在特征；

(614)f＝f-1；

(615)如果f＝0，則跳轉到步驟(616)，否則跳轉到步驟(610)；

(616)遍歷結束，得到經過特征選擇后的x’；

(617)將x’作為所在類的NAR神經網絡訓練模型net_z的輸入，得到預測結果y。