[发明专利]一种基于聚类的ARIMA算法的气体浓度预测方法

权利要求书

1.一种气体浓度预测方法，包括：

S1：采集气体浓度数据，所述气体浓度数据为气体实时浓度序列；

S2：数据预处理，基于K-Means聚类算法对气体浓度数据进行离群点检测，以剔除异常数据；

S3：利用ARIMA算法建立ARIMA预测模型；

S4：将预处理后的气体浓度数据输入ARIMA预测模型中，以进行气体浓度预测。

2.根据权利要求1所述的方法，其中，在数据预处理之前，还包括数据清洗步骤，在数据清洗步骤中，将存在缺失值的数据进行处理，选择用缺失值邻近的数值取平均作为替代，来填充缺失值。

3.根据权利要求1所述的方法，其中数据预处理步骤包括：

a.将气体浓度数据按数据量分为K个类别，选择K个类别对应的K个初始中心点；

b.对任一样本点，在每一轮的迭代中，求取该样本点到K个中心点的欧式距离，然后，将样本点归入距其最近的中心点所对应的类别；

c.通过求各类期望值点对K个中心点进行迭代，对各类别的中心点取平均，更新中心点；

d.对每一个聚类中心点，重复b、c两个步骤，当各个类别的中心点的移动距离符合某一阈值要求时，迭代结束，分类任务完成。

4.根据权利要求1所述的方法，其中，当各个类别的中心点的移动距离大于一设定值时，迭代结束，分类任务完成。

5.根据权利要求1所述的方法，其中，选择K个类别对应的K个初始中心点的方法包括：

遍历所有样本点对求距离，选择其中距离最远的两个点；

当初始中心点达到K个，则终止，否则，在余下样本中，选一个样本C₃，挑选该样本点的目标为：

据此，可以一直对第n(n≥4)个初始中心点进行选择。

6.根据权利要求1所述的方法，其中，在步骤S3中，对数据进行平稳性判定，通过差分完成ARIMA模型初期所要求的序列平稳化处理。

7.根据权利要求1所述的方法，其中，将预处理后的数据输入ARIMA预测模型中，进行模型识别和定阶。

8.根据权利要求1所述的方法，其中，步骤S4还包括：将预测出的气体浓度数据进行差分逆运算，完成预测结果的输出。

9.根据权利要求1所述的方法，其中，通过极大似然估计法对ARIMA模型内的各项参数进行确定，以实现气体浓度趋势的预测。

10.一种其上存储有软件指令的计算机可读存储介质，所述软件指令在被执行时实施根据权利要求1-9中任一项所述的方法。