魏萊 王新民 長春工業(yè)大學數(shù)學與統(tǒng)計學院

1 引言

近些年，空氣的污染對社會的危害愈發(fā)嚴重，它往往悄無聲息的存在于人們身邊并給人們的身體帶來傷害。多種有危害的氣體都能長時間的存在于人們生活的世界中，其中最主要的就是一氧化碳。CO的濃度受很多生活方面的影響，它會因為人類或者自然界的排放增加自己的濃度，想解決它的危害問題就要明確的預測它不同時間階段的濃度規(guī)律，但是它的不規(guī)則性和不穩(wěn)定性讓了人們難于預測其濃度。想要精準的預測其濃度是有難度的。本文想要尋求一種滿足人們要求的預測方法對CO的濃度進行精準的預測。

人們最近幾年對CO的治理和對空氣質量的預測也進行了很多研究。葉珊珊等人在2020年對一氧化碳中毒的流行病例特征進行分析，同時提及急性CO中毒起與日均氣溫、平均氣壓和空氣相對濕度均存在相關性，同時也希望科普CO對社會的危害并正視它。蔡澤棟在2020年使用機器學習的算法對復雜的金融數(shù)據(jù)進行了預測，運用幾種機器學習方法進行對比，從其文章中可以了解到機器學習算法對于此類數(shù)據(jù)的預測精準度有很大的提升。劉紅等人2020年運用隨機森林算法對溫室氣溫進行預測，同時建立多種機器學習的方法與之進行對比，通過實驗驗證了隨機森林在預測模型方面的優(yōu)越性。李畸勇等人2020年運用SVR算法建立預測模型，在其數(shù)據(jù)預測中SVR模型為結果最優(yōu)模型，作者也表示文章中所提供的模型泛化性能很優(yōu)越。張順航等人2019年根據(jù)往年江蘇省的氣象數(shù)據(jù)，探究氣象對小麥產(chǎn)量的影響，對小麥歷年的產(chǎn)量進行預測，結果表明Adaboost算法預測的最為精準?？梢钥吹綑C器學習的算法在各個領域都大放光彩，本文將機器學習應用到空氣污染的成員之一的CO的濃度數(shù)據(jù)上進行結合，并觀察各個不同的算法在預測精準度上能達到怎樣的程度。

2 機器學習

2.1 機器學習

機器學習（Machine Learning）是一個多學科組成的專業(yè)，它在人們的認知內已經(jīng)存在了很長時間了。直到今日，它漸漸成為各行各業(yè)研究數(shù)據(jù)分類和回歸的熱點，機器學習的目的是讓機器像人一樣思考學習，傳統(tǒng)的機器學習主要包括決策樹、隨機森林、人工神經(jīng)網(wǎng)絡、支持向量回歸機、Adaboost、迭代決策樹等。近些時間，機器學習對人來說已經(jīng)不陌生了，人們生活的現(xiàn)代社會處處都有機器學習的體現(xiàn)，機器學習的發(fā)展也讓人們的工作和生活有了良好的改變。

2.2 支持向量回歸機

支持向量回歸機（SVR）是支持向量機（SVM）中的一個重要的組成部分，支持向量機是一種按照監(jiān)督學習的方法將數(shù)據(jù)分成兩類的分類器，SVM從被提出開始就被廣泛地應用于各個問題的應用，為人們解決了很多發(fā)展附帶的不利問題。

2.3 Adaboost

Adaboost是一種迭代算法，其思想是將多個不同的分類器組合成一個更強的分類器，它應用大多的分類問題上，也出現(xiàn)了一些回歸問題上的應用，它具有較高的檢測速率，且不易出現(xiàn)過適應現(xiàn)象

2.4 決策樹

決策樹（Decision Tree）是以諸多情況的概率為基礎，通過構成決策樹并通過決策樹的求取概率，判斷哪種方法是可行的，是一種非常直觀的圖解法，其運作并不復雜，在解決問題方面也有自己良好的性能。由于這種方法像一棵樹的樹干，所以稱它為決策樹。

2.5 隨機森林

隨機森林（Random Decision Forests）本質上就是一個包含多個決策樹的分類器，它具有很多優(yōu)點。首先針對于很多數(shù)據(jù)它可以產(chǎn)生很優(yōu)的分類器，其次它可以被延伸用在未被標記的資料上，另外它的學習過程也是很快速的。構建隨機森林需要兩個方面，首先從原數(shù)據(jù)中采取有放回的抽樣，構造出一個和原數(shù)據(jù)集數(shù)據(jù)量相同的子數(shù)據(jù)集，它控制決策樹各不相同的方法就是控制最優(yōu)的特征，使其隨機選取。

2.6 迭代決策樹

迭代決策樹（GBDT/Gradient Boosting Decision Tree) 又叫MART（Multiple Additive Regression Tree)，是一種迭代的決策樹算法，它與隨機森林一樣都是由多個決策樹組成，不同的是，它是由這些決策樹的結論加起來生成最終的答案并加以運算的。它與SVM也有共同點，它們的構造讓它們的泛化能力很優(yōu)秀，GBDT更是因為機器學習的發(fā)展更加受大家的關注。

3 實驗結果與分析

3.1 數(shù)據(jù)集

本文選擇UCI數(shù)據(jù)集上的空氣質量數(shù)據(jù)，從數(shù)據(jù)中挑選出CO濃度數(shù)據(jù)并對其進行缺失值處理。本文選擇前70%的處理后的數(shù)據(jù)作為訓練數(shù)據(jù)，其他作為測試數(shù)據(jù)，共7819條數(shù)據(jù)。其中使用均值填充和刪除缺失數(shù)據(jù)兩種方法處理數(shù)據(jù)。

3.2 實驗結果與分析

為了對比出算法在本文數(shù)據(jù)上預測精準度的優(yōu)劣，本文將Adaboost、SVR、隨機森林、GBDT進行比較，用MSE和R2作為其評價指標，四種方法的 MSE 分別為：0.70、0.78、0.63、0.60，四種方法的 R2分別為：0.67、0.63、0.70、0.71。由實驗結果可以看出無論評價指標是MSE還是R2最優(yōu)的模型是GBDT模型算法，其MSE為0.60，R2為0.71。隨機森林的結果也不錯但是跟GBDT還是有一部分差距。

4 結論

本文出于運用機器學習預測CO濃度的角度，對本數(shù)據(jù)進行處理，并同時運用Adaboost、SVR、隨機森林、GBDT進行比較，對比它們結果，其中MSE的結果是：Adaboost為、SVR為、隨機森林為、GBDT為，MAPE的結果是：Adaboost為、SVR為、隨機森林為、GBDT為，可以看出在這四種機器學習算法中，結果最優(yōu)，預測最精準的是GBDT。未來的研究可以圍繞著各個空氣質量指標進行深度的解剖研究，也可以引入更多的算法模型進行預測，對比各個模型的優(yōu)劣。