# Lanzhou-Air-Quality-Forecast-Algorithm

**Repository Path**: ximujun7/Lanzhou-Air-Quality-Forecast-Algorithm

## Basic Information

- **Project Name**: Lanzhou-Air-Quality-Forecast-Algorithm
- **Description**: 兰州空气质量的数据分析
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 2
- **Forks**: 0
- **Created**: 2022-04-25
- **Last Updated**: 2025-05-10

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Lanzhou-Air-Quality-Forecast-Algorithm
算法仓库去作为小论文的代码
## 科研问题
1.常规监测项审核值十四五-(实况) 气象参数原始值(实况) 有什么区别？

### 研究目标

### 研究内容

本文旨在研究和解决气象参数和气象aqi指数实时预测准确度较低和速度较慢的问题，并结合兰州市所有空气质量监测站点以及气象监测站点的实际情况，将长短时记忆神经网络应用于气象基本指数的预测中，为兰州市日后的政府决策和人类出行活动提供一定的 参考依据，与气象数据参考平台
（1） 跟随研究方案使用python matlab等编程语言完成实验的过程
（2）  使用echart.js对数据进行可视化
（3） 使用spss 对气象维度像进行相关性分析。

### 研究日记
1. ✅兰州市空气质量检测站点的地点分布图（遇到了困难）
2. 期刊的模版下载下来 （需要做的事）
3. 找参考文献原文 找到一篇有价值的论文（你要投稿的期刊类似的期刊的级别的做这个方面的研究），进行论文精读
4. 挂点基金会好投一点，大胆问一下你的老师有什么基金，可以给你挂着的。
5. git怎么用，学习简单的。
6. 使用scihub可以下载文献
7. https://www.sciencedirect.com/science/article/abs/pii/S0045653517303612
8. 有没有可能工作日什么的特性影响了

### 拟采取的研究方法
（1） 首先对数据进行清洗整理并且可视化，寻找气象参数和pm2.5和aqi方面的作用
（2） 采用无监督学习聚类算法对气象数据进行聚类分类型进行AQI和PM2.5预测分析
（3） 使用ARIMA，长短时记忆神经网络对SO2 NO2 NO NOX PM10 PM1 CO 浓度的总体变化规律和趋势进行分析
（4） 使用Pearson相关系数， Spearman相关系数，Kendall's tau-b等级相关 对气象因素和pm2.5的浓度进行相关性分析

### 技术路线
（1） 对兰州市内SO2 NO2 NO NOX PM10 PM1 CO 浓度的总体变化规律和趋势进行分析，通过年、月、日等时间尺度找寻 PM2.5浓度和AQI指数的分布特征； 

（2） 将兰州市 PM2.5 浓度与气象因子（SO2 NO2 NO NOX PM10 PM1 CO）之间的相关性进行分析，包含温度、气压、湿度等气象参数，并结合兰州市具体地形和地理位置，分析风速及风向对 PM2.5 浓度扩散 的影响； 

（3） 研究并分析预测站点与周围站点 PM2.5浓度和的时空关联性。如果两个空气质量 监测站点距离很近，则假设这两个站点所处的大气环境大致类似，所以这两个站点 PM2.5 浓 度变化规律也经常一致，因此研究并分析预测站点与该站点的周围站点 PM2.5 浓度变化 的时空关联性，并将此时空关联性应用于预测模型当中，提高预测精度； 

（4） 消除或减少数据集类别不平衡对预测模型性能的影响。本文所使用的兰州市 的实际气象数据和空气污染物数据，存在有显著的类别不平衡，对预测模型的性能有一定负面影响，本文从预测方法的层面出发，解决采样带来的缺陷，提高预测精度；

（5） 使用无监督算法对空气质量数据集进行聚类，对不同的簇分别建立预测模型，使得模型对同一簇内的数据更有针对性，从而提高预测精度；


### 实验方案及可行性分析

### 预期的研究进展
1. 
### 可能的引用

![img.png](img.png)

需要使用这个表对预测精确度进行分类
![img_1.png](img_1.png)

#### 怎么画地图

1.https://www.bilibili.com/video/BV1vS4y1m782?spm_id_from=333.337.search-card.all.click
2.或者用arcgis
## 项目工作
1. 写混淆矩阵算法 （让jihui写）
2. 作地图 （自己作）✅
3. 作图pm2.5的浓度和月份的概念 （数据由jihui提供）✅
4. 各个站点的周期的变化规律 （数据由jihui提供）
5. 浓度和各个站点的关系


## 图片合集
1. 图一 市内空气质量的监测站分布图 ✅
2. 图2 兰州地区PM2.5浓度时序规律 月份 周度 工作日 
3. 图3 兰州地区风向、风速与PM2.5浓度关系图 
4. 图4 兰州市各站点PM2.5浓度时间关联性
5. 图5 兰州市各站点PM2.5浓度空间相关性
6. 图6 统计投票hybrid算法框架图
7. 图7 信息传递模型图
8. 图8 hybrid算法参数选择与预测精度
9. 图9 其他站点预测精确度 

## 表合集
1. 表1 PM2.5浓度限值分级标准
2. 表2 PM2.5浓度与气象因子的相关系数
3. 表3 2018年—2021年PM2.5浓度各等级数据量
4. 表4 混淆矩阵
5. 表5 变量关联性计算
6. 表6 预测PM2.5浓度等级混淆矩阵结果
7. 表7 特征与算法选择结果
8. 表8 算法效果对比
## 算法准备
1. 首先把所有需要考虑到的属性去成为csv化
2. 先把之前的代码跑起来
3. 
[参考先进代码](https://blog.csdn.net/zengNLP/article/details/120637234)


# 实验结果
## 参数选择
0. 只有时间
![img_6.png](img_6.png)
1. 只有时间参数升维
![img_2.png](img_2.png)
2. 只有气象那些参数
![img_3.png](img_3.png)
3. 污染物那些参数
![img_4.png](img_4.png)
4. 所有参数
![img_5.png](img_5.png)


## attention机制的实现