一種新型異質(zhì)混合模型DIMMEC及其在灰霾預(yù)測(cè)的應(yīng)用研究.pdf

1、灰霾是一種由大量干燥顆粒、灰塵、煙霧和大小混合均勻的浮塵漂浮在空氣中，并且掩蓋了清澈的天空的大氣現(xiàn)象?；姻驳男纬捎袃煞矫嬖?一是不利的氣象條件;二是大氣顆粒物（特別是細(xì)顆粒物PM2.5）和氣體污染物的增加?；姻灿绊懘髿猸h(huán)境質(zhì)量，影響氣候和能見度，影響人體健康，尤其是細(xì)顆粒物(PM2.5)會(huì)分別沉積于上、下呼吸道和肺泡中，引起鼻炎、支氣管炎等病癥，長(zhǎng)期處于這種環(huán)境還會(huì)誘發(fā)肺癌。
　　目前還沒有一種標(biāo)準(zhǔn)的模型或者方法能夠準(zhǔn)確預(yù)測(cè)灰霾

2、，本研究提出了一種新型的異質(zhì)混合集成學(xué)習(xí)模型來預(yù)測(cè)灰霾——DIMMEC(DIversity-MarginMaximization Ensemble Classifier)模型。
　　論文的主要工作包括:第一，本實(shí)驗(yàn)首先對(duì)輸入的14個(gè)因子與灰霾的相關(guān)度進(jìn)行了計(jì)算，時(shí)間步、風(fēng)速、CO、PM10、PM2.5、SO2、溫度、濕度、能見度這9個(gè)因子與灰霾有較大的相關(guān)性，其他因子（O3、氣壓、NOx、NO2、NO）相關(guān)性較小。第二，采用隨機(jī)子

3、空間方法生成了子訓(xùn)練集，每個(gè)子訓(xùn)練集包含不同的特征空間。第三，選取容易陷入空間局部最小的決策樹和神經(jīng)網(wǎng)絡(luò)這兩種異質(zhì)混合模型作為個(gè)體學(xué)習(xí)器，分析不同個(gè)數(shù)不同類型個(gè)體分類器組合，得到差異度最大的異質(zhì)混合模型。第四，support vector machine在防止過度擬合、運(yùn)算速度和預(yù)測(cè)精度方面都表現(xiàn)出明顯的優(yōu)勢(shì)，因此用它對(duì)個(gè)體學(xué)習(xí)器產(chǎn)生的結(jié)果進(jìn)行結(jié)論集成。
　　本研究采用的數(shù)據(jù)是濟(jì)南市2011年1月、4月、7月和10月24小時(shí)氣象和

4、污染物排放數(shù)據(jù)。通過驗(yàn)證實(shí)驗(yàn):DIMMEC在預(yù)測(cè)灰霾方面的準(zhǔn)確率為88.86％，明顯高于其他個(gè)體學(xué)習(xí)器。BP神經(jīng)網(wǎng)絡(luò)模型的準(zhǔn)確率為83.3％; C4.5的準(zhǔn)確率為86.6％;DecisionStump的準(zhǔn)確率高為71.3％; REPTree的準(zhǔn)確率為84.2％; Random Tree的準(zhǔn)確率為81.9％; Random Forest的準(zhǔn)確率為87％。通過實(shí)驗(yàn)結(jié)果，可以證明本研究所提出的DIMMEC異質(zhì)混合集成學(xué)習(xí)模型在灰霾預(yù)測(cè)方面有著