刘 侠，何春旺

（江西软件职业技术大学 江西 南昌 330000）

1 引言

近10年来，随着整个中国工业化水平的不断提高，环境污染问题变得越来越严重，而空气质量的好坏更是其中最为重要的标准之一。PM2.5是指空气中直径小于或等于2.5 µm的固体颗粒或液滴[1]。PM2.5指标可以用来评价一个区域空气质量和环境的好坏，过高的浓度会危害人类的健康，所以近年来受到了各级政府与部门的关注。此次研究的目的就是通过实验比对寻找一个预测准确率、召回率、精确率较高预测模型，并对其进行调优。

2 数据分析

2.1 数据来源

UCI数据库是加州大学欧文分校(University of CaliforniaIrvine)提出的用于机器学习的数据库[2]。本次研究的数据是2013—2017年北京市周边12个站点的气象数据，各站点每天每1h检测1次数据。数据包含PM2.5浓度(µg/m3)、PM10浓度(µg/m3)、SO2浓度(µg/m3)、NO2浓度(µg/m3)、CO浓度 (µg/m3)、O3浓度 (µg/m3)、TEMP温度 (℃)、PRES气压(hPa)、DEWP露点温度 (℃)、rain降水量(mm)、Wd风向、WSPM风速(m/s)等多个空气指标，见表1。

表1 部分气像数据

2.2 数据分类

按PM2.5的值将空气质量分成优、良、轻度污染、中度污染、重度污染、严重污染6个等级，见表2。

表2 根据PM2.5进行分类表 单位：µg/m3

2.3 数据归一化

对于以上12项特征，单位不统一，数据量不在同一范围，无法将其与PM2.5进行比较。观察其与PM2.5之间的关系，需要将每项特征进行标准化处理，缩放至0～1范围，也叫归一化处理。常用的归一化处理的方法有minmax标准化方法以及z-score标准化方法两种[3]。本文采用min-max标准化，函数如下：

见表3，可以看到归一后，模型的各项指标均有提高。

表3 决策树预测PM2.5归一化前后对比 单位：%

2.4 特征分析

利用python的matplotlib工具库，取了500条数据，绘制了10幅线性图，可以较为直观地观察PM2.5数值与各个气象指标之间的关系，X轴是按时间顺序排好的编号，Y轴是各特征值。……