基于BP神經(jīng)網(wǎng)絡(luò)和隨機森林的空氣污染物濃度預測研究.pdf

1、工業(yè)文明和城市發(fā)展在為人類創(chuàng)造巨大財富的同時，也把數(shù)十億噸的廢氣廢物排入到大氣當中。當大氣中的有害氣體達到一定濃度時，就會對人類的身心健康帶來巨大的影響。然而隨著近幾年城市規(guī)模的不斷擴大、工業(yè)化進程的加快和人口的不斷增加，空氣質(zhì)量問題在中國各地頻繁出現(xiàn)，從而引起人們的廣泛關(guān)注。人們對提前了解未來空氣質(zhì)量狀況的愿望越來越強烈?；诖吮尘跋拢疚囊阅呈兄饕髿馕廴疚餅檠芯繉ο?，將研究方向分為空間因素對空氣質(zhì)量的影響和時間因素對空氣質(zhì)量的影響

2、，通過數(shù)據(jù)驅(qū)動的方式預測監(jiān)測站點未來一小時的污染物濃度。利用機器學習深入、系統(tǒng)的對現(xiàn)有空氣質(zhì)量數(shù)據(jù)進行挖掘分析和實驗研究。本文的主要工作包括以下幾方面：
　　首先，進行特征提取，主要包括空間相關(guān)因素(如興趣點特征和路網(wǎng)特征)和時間相關(guān)因素(如溫度、天氣等)，為本文的研究和解決普遍存在的空氣質(zhì)量預測問題提供了幫助。
　　其次，針對空間數(shù)據(jù)特征中的興趣點特征和路網(wǎng)特征維數(shù)較多的問題，通過計算皮爾森相關(guān)系數(shù)的方法來減少算法的輸入指

3、標，從而減少模型訓練的代價。
　　再次，根據(jù)提取到的時空特征，分別建立起基于BP神經(jīng)網(wǎng)絡(luò)的空間預測模型和基于隨機森林(Random Forest, RF)的時間預測模型。并針對BP神經(jīng)網(wǎng)絡(luò)容易出現(xiàn)過擬合的問題，提出動態(tài)改變網(wǎng)絡(luò)模型結(jié)構(gòu)的方法來提高算法的泛化能力。并實現(xiàn)基于Spark的并行化神經(jīng)網(wǎng)絡(luò)算法和隨機森林算法。
　　最后，通過時空模型預測每一個監(jiān)測站點各種污染物未來一小時的濃度，然后利用評估標準對本文提出的基于時空模型