一种基于多领域特征的城市空气质量等级预测方法

摘要

本发明涉及一种基于多领域特征的城市空气质量等级预测方法，包括数据预处理阶段、训练阶段、预测阶段；数据预处理阶段进行网格划分得到训练样本，获取训练数据集；训练阶段估计出条件随机场模型最优参数，得到最优模型并输出条件随机场模型；预测阶段采用维特比算法结合训练阶段学得到的条件概率模型求得条件概率P(Y/X^f)最大的输出序列并输出预测结果。本发明方法可以更准确地预测AQI等级，并对各站点接下来一定时间段内的AQI等级进行预测，满足人们挑选空气质量较好的时间段进行外出活动的需要。

主权项

一种基于多领域特征的城市空气质量等级预测方法，其特征在于，包括数据预处理阶段、训练阶段、预测阶段；数据预处理阶段：1)对影响空气质量的多个领域的数据进行采集；2)把城市划分成不相交的网格，每个网格g内的空气污染物浓度相同；3)网格g所在的城市有m个含有空气监测站点的网格，抽取这些网格对应的每小时的空间特征和时间特征，每个小时可以生成m个训练样本；若历史数据跨越n个小时，则可以得到n×m个训练样本；训练阶段：1)训练数据集的获得及特征函数的定义：过去k个时刻生成的k个向量构成训练特征向量集X^t＝{X₁，X₂，...，X_k}，其与过去k个时刻的AQI等级构成的标记序列Y＝{Y₁，Y₂，...，Y_k}组成训练数据集；特征函数包括状态特征函数和转移特征函数；2)基于定义的特征函数，采用拟牛顿法的BFGS算法对训练数据集进行学习，估计出条件随机场模型最优参数，得到最优模型并输出条件随机场模型；预测阶段：1)预测特征向量集的获得：要预测的每个时刻i生成一个特征向量X_i，n个时刻生成n个向量X^f＝{X₁，X₂，...，X_n}；2)利用预测特征向量集X^f＝{X₁，X₂，...，X_n}作为输入序列，采用维特比算法结合训练阶段学习得到的条件概率模型求得条件概率P(Y/X^f)最大的输出序列并输出预测结果。