KNN數(shù)據(jù)挖掘算法在霾等級預報中的應用

1、 KNN數(shù)據(jù)挖掘算法在霾等級預報中的應用 陳星燦 徐冰Summary：在對2017年A地地區(qū)氣象數(shù)據(jù)進行對比分析后發(fā)現(xiàn)影響A地地區(qū)霾等級的主要因素有以下七個：氣溫、氣壓、相對濕度、露點溫度、地面U風、地面V風以及PM2.5濃度。上述的七項主要因素是影響A地區(qū)霾等級的屬性特征，將霾的等級劃分當作標志量，以此來構(gòu)建樣本集合，再用KNN數(shù)據(jù)挖掘算法來構(gòu)建劃分霾等級的預報分類器，從而進行試驗。得到如下結(jié)論：當K=3時該分類器的預報效果最佳，準確度高達88.2%。基于該算法構(gòu)建的KNN模型預報無霾時準確度很高，達91.8%，且對于霧霾的空報率也較低，但對霾等級的預報精確度還有待改善。Key：數(shù)據(jù)挖掘；K

2、NN；霾；預報：TP311 ：A：1009-3044（2019）09-0003-02霾的定義簡而言之就是在空氣中懸浮的微粒，這些微粒主要由煙、塵等物質(zhì)形成，在區(qū)域空氣中形成渾濁現(xiàn)象，空氣中的能見度低于10千米。隨著城市和工業(yè)的不斷發(fā)展霧霾現(xiàn)象日益頻繁，嚴重影響著人們的生產(chǎn)生活活動。因此，對霾等級的預報也尤為重要。根據(jù)相關研究數(shù)據(jù)可知，氣候因素在很大程度上能夠影響到霾的發(fā)生。從近年來對霾進行預報的方式來看，主要有兩種預報方式：數(shù)值預報和模式輸出統(tǒng)計預報。在運用數(shù)值預報方法進行計算時，方法通過對大氣污染和大氣氣象要素的變化過程進行模擬。但此類方法受不確定因素較多，在日常業(yè)務化預報中有較大的局限。在

3、查閱陳亦君、毛宇清、鄭峰等人做的相關實驗的基礎上，得出以下結(jié)論：氣溶膠的濃度嚴重影響著霾程度的大小。但是，目前同時采用數(shù)值天氣預報模式和環(huán)境模式的兩類輸出結(jié)果的相關試驗研究還較少。因此，在本次研究中，為了更好地對霾等級進行預測，將數(shù)值天氣預報模式和環(huán)境模式這樣兩種方法結(jié)合在一起，從而能夠保證霾預報模型能夠?qū)崟r對霾進行動態(tài)預報，并采用KNN數(shù)據(jù)挖掘算法對霾等級進行分類。為了保證研究結(jié)果真實可靠，在本次研究中將A地作為研究的對象，將2017年A地13個區(qū)的資料作為研究數(shù)據(jù)，其中包括這個13個區(qū)的溫度、氣壓、濕度、風以及能見度、PM2.5含量等氣象要素，要買數(shù)據(jù)采取的數(shù)據(jù)頻為3h/次。隨著科技的發(fā)展

4、，數(shù)據(jù)挖掘算法也廣泛應用于氣象學中。本文在調(diào)研黃穎等實驗的基礎上決定使用KNN數(shù)據(jù)挖掘算法。KNN是一種非參數(shù)化監(jiān)督算法，又叫作“K近鄰算法。在KNN數(shù)據(jù)挖掘算法下，對不同對象的分類處理主要根據(jù)對象間不同特征值的距離進行劃分，一直在這種算法下，能夠保持挖掘結(jié)果的精準度高、受異常數(shù)值的影響。當前數(shù)值天氣預報解釋仍廣泛采用建立回歸預報方程的方法，但由于大氣運動具有混沌性和非線性特征，因此采用回歸方程的方法較為復雜。KNN算法的思路是：根據(jù)客觀性、規(guī)律性，其結(jié)果也應具有相似性。數(shù)值天氣預報解釋使用到KNN算法時，直接以歷史天氣個例樣本做訓練集，并將天氣學預報思路和數(shù)值預報結(jié)果進行融合，就可避開建立回

5、歸預報方程帶來的弊端。1 實驗分析1.1 KNN中屬性變量選取根據(jù)上面的分析，充分證明了能見度變化的復雜性。通過每個因素分別于可見度進行了相關性分析可知，對能見度影響最大的因素是風速和風向，因此KNN分類集中將風分解u、v兩個分量。除了濕度和能見度以外，氣溫和氣壓也是能夠代表氣候情況的兩個因素，特別是對空氣活動和天氣系統(tǒng)的檢測發(fā)揮非常重要的作用，因此也被選入到訓練屬性集中。1.2 K參數(shù)的選取KNN算法的準確度很大程度上受K值的影響。一般來講，K值的選取一般為大小適中的奇數(shù)。交叉驗證（Crossvalidation）又稱為循環(huán)估計法，它的操作過程是將樣本整體分化為較小的子集，對每一個自己進行分

6、別驗證。通常采用先分析一個子集，再用其他子集進行驗證。交叉驗證通常用來評估統(tǒng)計分析、訓練數(shù)據(jù)的數(shù)據(jù)集的泛化能力。本文的K值由交叉驗證方式來確定。表2給出了K分別取3、5和7時的分類準確率。結(jié)果表明：當K=3、5或7時，交叉檢驗準確率均在80%以上，且K=3時的分類準確率明顯高于K=5或7時的結(jié)果。因此，本文中的KNN模型的K值選為3。1.3 KNN分類器的準確率分析在表3中，詳細地展示了運用KNN分類器對霾進行分類交叉檢驗后的結(jié)果。由表可知：（1）當無霾時，預報準確率高達91.8%；輕微霾漏報率為6.9%，其他霾概等級漏報率均1%。（2）當輕微霾時，空報率為16.1%，預報正確率達67.4%，

7、輕度霾漏報率為11.2%，中、重度霾漏報率均5%。（3）當輕度霾時，空報率為4.7%，預報正確率為59.8%。中、重度霾漏報率分別為10.4%和3.7%。（4）當中度霾時，空率僅為1.4%，預報正確率為53.4%，實況情況還要略低。（5）當重度霾時，空報率為2.6%，預報正確率為60.4%。結(jié)合以上觀點可以看出，KNN分類器的使用可靠性更高，在有霾情況下的空報率和漏報率很低，對霧霾登記的預報相對準確。雖然對于相鄰霾等級的區(qū)分仍存在誤差，但是誤差在可接受范圍內(nèi)。因此所構(gòu)建的KNN分類器具有較強的實用性。2 基于KNN算法的實際業(yè)務預報系統(tǒng)本研究使用Python編寫KNN算法來搭建霾等級預報系統(tǒng)。

8、圖2所展示的是A地區(qū)的三個基本站在72小時內(nèi)，每間隔三小時進行一次實況數(shù)據(jù)收集和霾預報。圖2a表示在25個觀測時次中，霾等級程度均各不相同，在最終預報出的19個時次中，對霧霾的有無進行預報準確率高達76%。而在B站點和C站點中，雖然能夠預測出有無霾，準確率分別為64%和84%，但實在對買等級進行化劃分時，精準度略有欠缺。3 結(jié)論本文研究了基于KNN算法的霾等級預報分級的方法，得到如下結(jié)論：（1）溫度、氣壓、相對濕度、溫度、U風、V風以及PM2.5濃度等7變量構(gòu)成了霾預報的KNN分類器的特征屬性，并且選霾的等級為標志項。（2）根據(jù)KNN分類器分別K=3、5或7的實驗結(jié)果證明A地地區(qū)13個站點的交

9、叉檢驗準確率分別：88.2%、85.8%、84.7%，K=3時的分類準確率較高。在對無霾天氣進行預報時準確率保持在91.8%，雖然存在漏報的概念，但是概率數(shù)據(jù)相對降低。（3）由于監(jiān)測資料的有限，訓練樣本集只選取了2017年的分析數(shù)據(jù)，在一定程度上影響了預報準確率。而且， 目前是將BREMPS的結(jié)果直接運用到了KNN霾分類算法預報中，預報的準確度存在一定風險，為了進一步提升KNN霾分類算法的預報準確度，會在日后的研究中通過對PM 2.5濃度資料不斷積累，達到一定程度后，可以運用在BREMPS的預報結(jié)果修正上。因此，未來對KNN霾分類算法KNN霾分類算法的準確率仍然有進一步提升的空間。Refere

10、nce：1 溫榮坤.基于偏微積分分類數(shù)學模型的關聯(lián)挖掘改進技術J/OL.現(xiàn)代電子技術，2018（13）：95-99.2 潘燕.關聯(lián)規(guī)則下的數(shù)據(jù)挖掘算法分析J.信息記錄材料，2018（07）：212-213.3 米保全.數(shù)據(jù)挖掘技術在高職院校教學管理中的應用J/OL.軟件導刊，2018（8）：1-4.4 嚴嘉維，張琛，李成蹊，等.基于Hadoop的可信計算平臺日志分析模型J/OL.軟件導刊，2018.5 孫金鑫.數(shù)據(jù)挖掘中的關聯(lián)規(guī)則的研究J.智能計算機與應用，2018，8（03）：132-135.6 熊亞軍，徐敬，孫兆彬，等.基于數(shù)據(jù)挖掘算法和數(shù)值模擬技術的大氣污染減排效果評估J/OL.環(huán)境科學學報，2019，39（1）：116-125.7 李博.APRIORI數(shù)據(jù)挖掘算法