一种矫正空气质量预报系统的误差方法

技术领域

本发明属于空气质量预报技术领域，具体涉及一种矫正空气质量预报系统的误差方法。

背景技术

空气质量预测预报业务可以使环境管理部门更精准地了解空气污染未来的变化趋势，以便采取针对性的政策措施，保障广大民众的健康安全。开展环境空气质量预报工作是保障及时妥善应对重污染天气的重要技术手段，对区域大气污染联合减排也具有指导意义。现有的空气质量预报方法主要包括数值分析法与统计分析法。然而，数值预报法通常需要准确地输入数据和昂贵的计算资源来进行空气质量预报，而统计预报法对于非线性变化的污染物浓度预报准确性较低。在需要即时准确预报的情况下，使用现有的空气质量预报模型具有很大的挑战性。

现有的空气质量预报系统在预测时模型受离散数据的影响较大，导致预测结果容易发送误差，使得系统的预测准确性不高，给人们的使用体验造成不好的影响。

发明内容

本发明的目的在于提供一种矫正空气质量预报系统的误差方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种矫正空气质量预报系统的误差方法，包括：

S1：利用孤立森林算法对空气质量数据进行离群点检测，减少异常数据对预测结果影响；

S2：选取随机森林算法筛选出最优因素子集作为预测模型的输入变量，提高预测准确性；

S3：对于预测控制系统用加权预测控制律代替一步预测控制律，使得系统具有更强的鲁棒性；

S4：可采用多模型融合的方式，将不同模型的预测结果进行加权平均法来提高模型精度。

优选的，所述随机森林对影响因子进行重要性度量：

假定有影响因子（变量）

式中，/>

式中，/>

变量

式中，/>

若变量

变量/>

式中，/>

优选的，所述孤立森林算法思路：很快被划分到叶子节点的大概率是异常数据，其算法步骤如下：

1）从训练数据中随机选择

2）随机指定一个维度，在当前节点数据中随机产生一个切割点

3）以此切割点生成了一个超平面，然后将当前节点数据空间划分为2个子空间：把指定维度里小于

4）在孩子节点中递归步骤2）和3），不断构造新的孩子节点，直到孩子节点中只有一个数据（无法再继续切割）或孩子节点已到达极限高度。

优选的，所述S3中用加权预测控制律代替一步预测控制律，即实际施加于系统的控制信号由当前时刻一步控制量与过去时刻对当前时刻控制量的预测值加权平均求和得到，可使控制系统具有容错控制能力，减少控制信号的振荡性和饱和性，减少错误控制信号的产生。

优选的，所述S4中的预测模型包括数值方法的预测模型与机器学习方面的模型，所述S4中加权平均法对多个同类型的模型的输出结果进行加权平均，对不同效果的模型分配不同的权重，所述S4中根据预测模型的选取不同可采用不同的方式对结果进行计算（如因子得分法、结构方程模型、熵值法等）。

优选的，所述空气质量预报系统包括数据采集模块、数据处理模块、数据应用模块、数据库，所述数据采集模块包括数据采集设备、监测仪器、传输端，所述数据处理模块包括服务端、控制端、路由器、交换机，所述数据应用模块包括用户手机端、用户电脑端、后台管理端，所述空气质量预报系统还包括数据安全防护模块及防火墙，所述数据安全防护模块与每个模块都建立连接，同时数据安全防护模块与防火墙建立连接。

与现有技术相比，本发明的有益效果是：

本发明利用孤立森林和随机森林对采集的空气质量数据进行优化分析，为预测模型提供影响较小的输入变量，减少离散与冗余因子对预测结果的影响，改变预测模型的数据处理方式及通过多模型融合来提高模型预测结果的准确性，给使用者更好的使用体验。

附图说明

图1为本发明的方法流程示意图；

图2为本发明的随机森林算法示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例：

请参阅图1-图2所示，一种矫正空气质量预报系统的误差方法，包括：

S1：利用孤立森林算法对空气质量数据进行离群点检测，减少异常数据对预测结果影响；

S2：选取随机森林算法筛选出最优因素子集作为预测模型的输入变量，提高预测准确性；

S3：对于预测控制系统用加权预测控制律代替一步预测控制律，使得系统具有更强的鲁棒性；

S4：可采用多模型融合的方式，将不同模型的预测结果进行加权平均法来提高模型精度。

随机森林对影响因子进行重要性度量：

假定有影响因子（变量）

式中，/>

式中，/>

变量

式中，/>

若变量

变量/>

式中，/>

孤立森林算法思路：很快被划分到叶子节点的大概率是异常数据，其算法步骤如下：

1）从训练数据中随机选择

2）随机指定一个维度，在当前节点数据中随机产生一个切割点

3）以此切割点生成了一个超平面，然后将当前节点数据空间划分为2个子空间：把指定维度里小于

4）在孩子节点中递归步骤2）和3），不断构造新的孩子节点，直到孩子节点中只有一个数据（无法再继续切割）或孩子节点已到达极限高度。

S3中用加权预测控制律代替一步预测控制律，即实际施加于系统的控制信号由当前时刻一步控制量与过去时刻对当前时刻控制量的预测值加权平均求和得到，可使控制系统具有容错控制能力，减少控制信号的振荡性和饱和性，减少错误控制信号的产生。

S4中的预测模型包括数值方法的预测模型与机器学习方面的模型，S4中加权平均法对多个同类型的模型的输出结果进行加权平均，对不同效果的模型分配不同的权重，S4中根据预测模型的选取不同可采用不同的方式对结果进行计算（如因子得分法、结构方程模型、熵值法等）。

空气质量预报系统包括数据采集模块、数据处理模块、数据应用模块、数据库，数据采集模块包括数据采集设备、监测仪器、传输端，数据处理模块包括服务端、控制端、路由器、交换机，数据应用模块包括用户手机端、用户电脑端、后台管理端，空气质量预报系统还包括数据安全防护模块及防火墙，数据安全防护模块与每个模块都建立连接，同时数据安全防护模块与防火墙建立连接。

由上可知，本发明利用孤立森林和随机森林对采集的空气质量数据进行优化分析，为预测模型提供影响较小的输入变量，减少离散与冗余因子对预测结果的影响，改变预测模型的数据处理方式及通过多模型融合来提高模型预测结果的准确性，给使用者更好的使用体验。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。