[发明专利]一种基于NGBoost算法的PM2.5

权利要求书

1.一种基于NGBoost算法的PM_2.5浓度长时间序列预测方法，其特征在于，该方法的实施步骤如下：

(1)获取某地区目标空气监测站点的空气污染物和气象数据，并对数据进行存储和预处理；

(2)对步骤(1)获得的数据进行时序离散化，提取不同天数中同一小时的特征数据构成特征矩阵；

(3)对数据进行规范化、调整模型数据集划分比例、阈值参数，进行多组对比实验，完成参数调优；

(4)使用NGBoost算法对离散化后的二维特征矩阵进行训练和验证；

(5)输出目标站点未来一天的小时级PM_2.5浓度预测结果。

2.根据权利要求1所述的基于NGBoost算法的PM_2.5浓度长时间序列预测方法，其特征在于，所述步骤(1)中，进行数据预处理包括：

(1)利用Isolation Forest算法剔除总数据集中的异常值；首先将空气污染物浓度小于0的数据转换为空值，采用Isolation Forest算法，将样本随机切分成若干个树；通过随机采样数据对每棵树进行训练，进而保证每棵树的方差达到运行者要求；最后利用如下公式计算Z中所有样本点的异常值评分矩阵SC，其中SC＝{sc₀₀，sc₀₁，sc₀₂...sc_xy}，x＝12，y＝α；

其中E[h(z_ij)]为z_ij在多棵树中路径长度的期望值；c(n)是包含n个样本数据集的树平均路径长度，用来标准化记录z_ij的路径长度；H(*)为调和数，ξ为欧拉常数；

随后返回数据集中的异常点，设异常点评分的阈值为ρ，当任意数据点的异常值评分大于阈值，即时，将数据集中的该异常点z_ij设为空值；得到新的总数据集Z′；

(2)计算PM₁₀浓度、NO₂浓度、CO浓度、O₃浓度、SO₂浓度、温度、气压、相对湿度、风向、风速特征序列与PM_2.5浓度序列的斯皮尔曼相关性系数，选择与PM_2.5相关性强的因素作为输入模型的特征；首先利用如下公式计算任意两个特征f_i、f_j之间的相关性r_ij：

其中n表示样本的数量和，α为从0开始的索引最后一行的行数，d_k表示两个特征数据集合中数据次序的差值，Z′_i和Z′_j为分别为数据集Z′中第i个特征和第j个特征对应的数值列；

随后设检查PM_2.5浓度和其他特征的相关性系数最小阈值为η，其他特征的相关性以及其他特征之间的相关性系数最大阈值为θ；当1≤j≤10或2≤i，j≤10∧i≠j时，则删除第j个特征对应的数值列Z_j，不作为后续模型的输入数据，其他数据列保持不变；依照以上操作最终得到模型的输入数据集Z_input；

(3)由筛选得到的特征序列构建目标站点的三维数据矩阵Z_input。