王怡馨

摘 要：世界的空氣質(zhì)量逐日下降，先前人們關(guān)注的PM2.5逐漸被臭氧污染取代。全國各地屢屢曝出臭氧污染警報，但是人們對臭氧污染的危害的意識還不夠強烈，各地提出的防范措施也不夠到位。因此為了知曉臭氧濃度是否超標，便有了臭氧八小時這個概念。臭氧八小時是指一天中臭氧濃度最大的連續(xù)八小時的平均值，根據(jù)此平均值判斷當天是否有臭氧污染。而本文將會利用決策樹算法建模，利用風速、溫度、海平面壓力、降水量等數(shù)據(jù)，利用ID3算法進行對臭氧水平濃度的預(yù)測，從而較可靠、準確地對是否有臭氧污染做出預(yù)告，保護人民的財產(chǎn)利益與身體健康。

關(guān)鍵詞：臭氧八小時;環(huán)境污染;決策樹算法

隨著溫度的升高以及空氣質(zhì)量的下降，臭氧污染已經(jīng)成為全國大氣污染的一個突出問題，隨著臭氧污染的日益加重，我國可能面臨顆粒物和臭氧污染雙重污染的局面。臭氧（）作為一種二次污染物，在常溫下是一種有特殊臭味的淡藍色氣體，在日照強、溫度高的夏季秋季最容易累積。臭氧是由于汽車尾氣，工業(yè)生產(chǎn)排放出的氮氧化物（NOx）和某些揮發(fā)性有機化合物（VOCs）在光照的作用下發(fā)生光化學(xué)反應(yīng)形成的。而氮氧化物以及揮發(fā)性的污染大多來自人們無節(jié)制地向空中排放化工業(yè)廢氣。由于臭氧本身較強的氧化性和腐蝕性，近地面的臭氧濃度若較大對人體和某些有機物有害。臭氧的毒性主要來源于它較強的氧化性，可以破壞細胞壁，故而它引發(fā)的危害大多都是急性的，對人體的主要危害是影響人的呼吸系統(tǒng)，容易引起肺氣腫和哮喘病。它也會毒害神經(jīng)中樞。臭氧也會影響植物的生長與光合作用。臭氧的腐蝕性主要在于建筑材料和有機布料，它可以加速橡膠和塑料氧化，使紡織品褪色，所以臭氧濃度過高也會對人的生產(chǎn)生活造成不良影響。而本文通過劃定1979年規(guī)定的臭氧的安全標準0.15ppm為界來判斷是否有臭氧污染。

由于臭氧不像PM2.5等顆粒物可以通過空氣的能見度來大致判斷污染程度，在有臭氧污染時，人們往往會看到藍天、晴空，并且人們不可能通過戴口罩來避免吸入臭氧，所以臭氧的預(yù)測顯得尤為重要。然而現(xiàn)在世界上還沒有一套成熟的體系來預(yù)測臭氧的水平濃度，所以本文將通過決策樹算法，利用數(shù)據(jù)集中風速、溫度等數(shù)據(jù)對臭氧水平濃度進行一個合理、準確的預(yù)測。這樣人們可以通過臭氧濃度的預(yù)告來做出預(yù)防措施，減少戶外運動，最大程度地保護人們的身體健康與個人利益。

一、國內(nèi)外研究現(xiàn)狀

近年來，國內(nèi)外對臭氧水平濃度的預(yù)測大致可分為“化學(xué)分析法”、“物理分析法”、“物理化學(xué)分析法”三類。其中化學(xué)檢測法包括碘量法、比色法、檢測管法。碘量法利用和的化學(xué)反應(yīng)，根據(jù)反應(yīng)物的濃度來推算出臭氧的濃度，但此方法易受其他氧化物的影響。而比色法和檢測管對設(shè)備的要求很高，不易實現(xiàn)。物理檢測方法主要是紫外線吸收法，它是利用臭氧對某個特定波長的紫外線特征吸收，通過比爾-朗伯定律制造出的分析儀器，該種方法的原理是根據(jù)比爾-朗伯定律l=loe-klc控制的紫外線輻射被某種液體或氣體吸收，這種方法已被我國作為環(huán)境空氣中測定臭氧的標準方法，但由于這種方法需要對物質(zhì)在已知波長下k值，即吸收物質(zhì)對該光線波長的比吸收系數(shù)的精確了解，故而比較繁瑣。物理化學(xué)方法主要是IDS分光光度法或化學(xué)發(fā)光法。分光光度法通過分光光度計的測量以及計算得出臭氧濃度，但是這種方法比較復(fù)雜，常用于檢測低濃度的臭氧，所以用此法預(yù)測是否有臭氧污染不切合實際?；瘜W(xué)發(fā)光法利用乙烯或一氧化氮與臭氧發(fā)生化學(xué)反應(yīng)發(fā)光再通過測出發(fā)光光強來計算出臭氧濃度，由于此方法準確率較低，故已被紫外線吸收法取代。

而本文將會通過決策樹算法建模，對以上方法的劣處做出調(diào)整，從而實現(xiàn)利用ID3算法，通過測量的降水量、溫度、風速等數(shù)據(jù)，對是否有臭氧污染進行一個合理、可靠、準確的預(yù)測。

二、數(shù)據(jù)的處理與模型假設(shè)

本文選取了2535條地面臭氧水平數(shù)據(jù)，及一些可能影響臭氧水平的因素的數(shù)據(jù)，可以較全面地反應(yīng)在不同溫度、風速、壓強下地面臭氧水平濃度與一些可能影響臭氧水平的因素的關(guān)系。

將數(shù)據(jù)集中各個特征所代表的含義整理成表格，如下表

三、基于決策樹的臭氧污染的預(yù)測

（一）決策樹的基本概念

決策樹（Decision Tree）是一種歸納學(xué)習的算法，它可以將一組無順序、無規(guī)則的數(shù)據(jù)集進行分類，使之有序最終得到滿意的結(jié)果。它通過測試樣本的屬性來吸取各屬性之間的關(guān)系，繼而對樣本進行分類用以實現(xiàn)數(shù)據(jù)內(nèi)在規(guī)律的探究和新數(shù)據(jù)對象的分類預(yù)測。由于決策樹具有能夠直接體現(xiàn)數(shù)據(jù)的特點，使得它易于理解和實現(xiàn)，成為一種常用的數(shù)據(jù)挖掘技術(shù)。決策樹一般都是自上而下生成的，由內(nèi)部節(jié)點、枝干和葉子組成，把這樣由節(jié)點延伸的枝干畫出來，形成的圖像很像一棵樹，如圖所示，故稱為決策樹。

決策樹是一個預(yù)測模型，它代表的是對象屬性與對象值之間的一種映射關(guān)系，即一條枝干對應(yīng)一種結(jié)果。而枝干上的節(jié)點又分為：決策點、狀態(tài)節(jié)點、結(jié)果節(jié)點。決策點是面對幾種可能的方案做出選擇，最后選擇出最佳方案。狀態(tài)節(jié)點代表備選方案的期望值，通過期望值的對比，按照一定標準即可選出最佳方案。結(jié)果節(jié)點通俗來說就是樹的樹梢，即是在自然狀態(tài)下一條枝干延伸下來所得到的結(jié)果。

（二）決策樹的發(fā)展及歷史

決策樹根據(jù)選擇特征的評估標準，從上至下遞歸地生成。最早最常用的ID3算法利用計算出最大信息增益的方法來選取節(jié)點，但當ID3算法遇到某個具有相當多數(shù)據(jù)的特征時，其余的特征的數(shù)據(jù)很少，那么就會算出該特征的信息增益值最大，從而出現(xiàn)誤判的情況，但實際上是該節(jié)點的分支太多，而利用該算法的決策樹模型的泛化能力有限，判斷出了錯誤的節(jié)點。所以在此基礎(chǔ)上，ID3算法的創(chuàng)始人Quinlan又提出了C4.5算法，該算法提出了一個新的概念信息增益率，即信息增益與分裂信息值的比，利用此方法可以較有效地改進ID3算法出現(xiàn)的問題。決策樹的主要算法還包括CART算法，CART算法引進了基尼系數(shù)這個概念，基尼系數(shù)越小樣本的混亂度越小，從而選擇出節(jié)點，大大減少了計算量。本文將通過ID3算法選取決策樹模型的節(jié)點，實現(xiàn)對臭氧污染的預(yù)測。

（三）ID3算法模型

目前絕大多數(shù)決策樹算法是以著名的ID3算法和C4.5算法為基礎(chǔ)，ID3算法通過循環(huán)處理，精益求精，不存在無解的風險。ID3算法的缺點是只能處理離散型屬性，并且傾向于選擇取值較多的屬性，否則效率會明顯下降。剪枝使決策樹停止分支的方法之一，可以消去能引起人滿意的不純度增長。而本文是基于ID3決策樹的臭氧污染預(yù)測模型。在決策樹算法中，ID3的算法應(yīng)用最為廣泛，該算法是一種基于奧卡姆剃刀原理的貪心算法，以信息論為基礎(chǔ)，以信息熵的下降速度和信息增益度為衡量的標準，從而實現(xiàn)對數(shù)據(jù)的劃分和歸納。在信息論中期望信息越小，信息增益就越大，從而純度越高。假設(shè)一個隨機變量X的取值為X={...，}，每取到一種x的概率為P，則，i=1，2，···，n，那么就是X的熵定義。熵越大，隨機變量的不確定性就越大，從而顯示了某樣本集的純度。表示在特征屬性下T的條件熵，則特征屬性T帶來的信息增益表示在T發(fā)生的情況下，S的有無帶來的信息值的差，用公式表示即為此公式則為信息增益的計算公式。

（四）構(gòu)造決策樹模型

本文選取了73種影響臭氧水平濃度的因素，是否有臭氧污染有兩種結(jié)果，有臭氧污染用數(shù)字1表示，沒有臭氧污染用數(shù)字0表示。

首先計算熵：Entropy（是否有臭氧污染），利用信息熵的計算公式計算出結(jié)果。

（1）

再計算各種劃分的信息熵，即各個分支的熵。以500hPa下的南北向風、北緯向風、K-指數(shù)、風暴強度、海平面壓力與降水量為例，下表是節(jié)選自數(shù)據(jù)集的部分數(shù)據(jù)

利用信息熵的計算公式

（2）

計算出各個因素的信息熵，并選取具有最大信息熵的因素T作為第一個節(jié)點。

3）運用選擇出的第一個節(jié)點的特征來做劃分時的信息增益值，即先計算在T發(fā)生的情況下，其余各特征的熵，然后再運用信息增益的計算公式：

（3）

算出各特征的信息增益值，并且選取具有最大的信息增益值的特征作為第二個節(jié)點。

4）依據(jù)上面的規(guī)則，遞歸地執(zhí)行得到一棵決策樹，得到的決策樹的模型框架如圖所示。

這樣，就得到了用決策樹對是否有臭氧污染進行預(yù)測的模型，即可以通過風速、溫度、海平面壓力、相對濕度、降水量等數(shù)據(jù)對當天是否有臭氧污染進行較為可靠合理的預(yù)測。

四、模型的改進

本文通過決策樹模型對當天是否有臭氧污染進行了預(yù)測。在建模的過程中，本文用數(shù)據(jù)集中百分之七十的數(shù)據(jù)進行建模，又利用剩余的百分之三十的訓(xùn)練數(shù)據(jù)對模型進行了檢測，發(fā)現(xiàn)正確率非常大，但當本文利用測試數(shù)據(jù)對決策樹模型進行檢測時發(fā)現(xiàn)錯誤率較高。經(jīng)過對數(shù)據(jù)集的分析以及大量查找相關(guān)資料本文發(fā)現(xiàn)，該模型有極大可能發(fā)生了過擬合。其原因很有可能是本文的數(shù)據(jù)集中存在噪聲數(shù)據(jù)，即本數(shù)據(jù)集中存在異常數(shù)據(jù)。于是，本文對異常數(shù)據(jù)進行了有效的處理，刪除了異常數(shù)據(jù)，重新利用數(shù)據(jù)集建立了決策樹模型。本文對模型又進行了剪枝的改進。剪枝是一種改進決策樹模型的常用的方式。利用損失函數(shù)最小原則，計算子枝干的損失函數(shù)值和父枝干的損失函數(shù)值，若子枝干的損失函數(shù)值大于父枝干的損失函數(shù)值，則對該枝干進行剪枝，以保證減小決策樹模型的復(fù)雜度。在進行了模型的改進后，利用訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)對該模型進行檢測，發(fā)現(xiàn)該模型的正確率已經(jīng)達到了相當高的值。

五、結(jié)語與展望

本文利用數(shù)據(jù)集中2535個數(shù)據(jù)建立了決策樹模型，在建立模型后，發(fā)現(xiàn)模型與測試數(shù)據(jù)間有誤差，于是本文又通過剪枝，處理異常數(shù)據(jù)對模型進行了改進，使決策樹模型更加簡潔明了又準確可靠。決策樹模型最大的優(yōu)點是效率高，可以反復(fù)使用，但決策樹模型存在當特征太多時，出現(xiàn)錯誤的速率也比較大。之后，本文將會利用更多的模型，利用溫度、風速、海平面壓力、降水量、相對濕度等數(shù)據(jù)對是否有臭氧污染進行更加合理的預(yù)測。本文相信，利用決策樹模型對是否有臭氧污染進行預(yù)測將會對臭氧水平濃度的檢測與臭氧污染的防范有大幅度幫助。

參考文獻

[1] 石曉榮.水中臭氧濃度的檢測方法[N].河海大學(xué)常州分校學(xué)報.2007，3.

[2] 李明.決策樹算法在銀行電話營銷中的應(yīng)用[D].華中科技大學(xué)，2016.

[3] 李杰.數(shù)據(jù)挖掘技術(shù)在學(xué)生成績分析中的應(yīng)用研究[D].西安石油大學(xué)，2010.

[4] 韓麗娜.決策樹算法在學(xué)生成績分析中的應(yīng)用研究[D].咸陽師范學(xué)院圖形圖像處理研究所，2017.

[5] 龍青云.基于決策樹挖掘算法的智能型會員營銷[D].上海商學(xué)院，2007.