©2020-2024 ioDraw All rights reserved,
Privacy Policy
问题一：根据附件1和附件2，对数据进行分析和处理，筛选出与 PM2.5 浓度变化有关的因素，并说明筛选出的因素对 PM2.5 浓度影响的程度。
思路提要
：首先需要对给出的数据进行基本的数据处理（数据读取与查看、空缺值填补、异常值剔除等），接着需要筛选与PM2.5浓度变化有关的因素，该题实质是特征工程（筛选），常用的方法有方差过滤、卡方检验、相关系数、rf随机森林等方法，或者是基于机器学习训练的递归特征消除方法。一般会选择两至三种方法结合来进行特征筛选。
问题二：自行划分训练集和测试集，根据附件1和附件2，基于问题一构建PM2.5浓度多步预测模型，分别使用均方根误差（RMSE）对 3 步、5 步、7
步、12步预测效果进行评估，其结果请用表1格式在正文中具体给出，并对测试集及其预测结果进行可视化。同时，用该模型预测附件3所给定时间PM2.5
浓度，其结果请用表2格式在正文中具体给出
思路提要
：根据第一问的提示，我们需要建立一个多元预测的时间序列机器学习模型，常用的就是LSTM多元多步预测模型。按照题意进行3/5/7/12步预测，并输出预测误差rmse即可。
问题三：构建 AQI 多步预测模型，使用均方根误差（RMSE）对建模效果进行评估，并对测试集及其预测结果进行可视化。同时，用该模型预测附件 3 所给定时间的
AQI，并给出每天空气质量的预警等级，其结果请用表 3 和表 4 格式在正文中具体给出。
思路提要
：由于AQI是由多种污染物指标计算得到的，所以不应该直接预测AQI，应该分别预测六种基本污染物的浓度，然后利用预测值计算得到AQI的预测值。同样采用LSTM模型。
这里提一下AQI计算，需要先利用各污染物浓度算出IAQI然后才能得到AQI，参考代码：
from math import ceil #导入进位取整函数 from collections import OrderedDict
#导入有序字典模块(Python3.6以下字典无序) #定义包含污染物名称、浓度区间和IAQI区间的有序字典 mapping = OrderedDict([
('PM2.5', ((0,0),(35,50),(75,100),(115,150),(150,200),(250,300),
(350,400),(500,500))), ('PM10',
((0,0),(50,50),(150,100),(250,150),(350,200),(420,300), (500,400),(600,500))),
('臭氧', ((0,0),(100,50),(160,100),(215,150),(265,200),(800,300),
(1000,400),(1200,500))), ('一氧化碳',
((0,0),(2,50),(4,100),(14,150),(24,200),(36,300), (48,400),(60,500))), ('二氧化氮',
((0,0),(40,50),(80,100),(180,150),(280,200),(565,300), (750,400),(940,500))),
('二氧化硫', ((0,0),(50,50),(150,100),(475,150),(800,200), (1600,300),
(2100,400),(2620,500))) ]) def data_validity(pollutants): """判断数据有效性""" for k,
v in pollutants.items(): if not v: pollutants[k] = '0' #空白初始化为0 elif not
v.isdecimal(): if k != '一氧化碳': #因CO可保留3位以下小数，需单独判断 return False num =
v.split('.') #以小数点为分割符切成两部分来判断 if len(num) != 2 or (not num[0].isdecimal()) or
(not num[1].isdecimal()) or len(num[1]) > 3: return False if
float(pollutants[k]) > mapping[k][-1][0]: #超过限值情况 return False else: #正常循环退出
return True def iaqi_calc(pollutants): """计算各污染物IAQI""" for k, v in
mapping.items(): #遍历字典，确定污染物名称 for i in range(len(v)-1): #遍历嵌套元组，确定污染物浓度所处区间 if
float(pollutants[k]) <= v[i+1][0]: #利用相似三角形相似比求值 iaqi =
ceil((float(pollutants[k])-v[i][0])*(v[i+1][1]-v[i][1])/(v[i+1][0]-v[i][0]))+v[i][1]
pollutants[k] = iaqi #更新污染物浓度为IAQI break #计算完毕，需及时跳出（为什么^-^） for k, v in
pollutants.items(): print("{}-IAQI：{}".format(k, v)) def aqi_calc(pollutants):
"""计算AQI及相关信息""" aqi = max(pollutants.values()) if aqi > 50: #首要污染物
prime_pollutants = '、'.join(k for k, v in pollutants.items() if v == aqi) else:
prime_pollutants = '无' if aqi > 100: #超标污染物 exceed_pollutants = '、'.join(k for
k, v in pollutants.items() if v > 100) else: exceed_pollutants = '无'
print("AQI：{}".format(aqi)) print("首要污染物：{}".format(prime_pollutants))
print("超标污染物：{}".format(exceed_pollutants)) def main(): """主程序""" while True:
#定义临时存放各污染物浓度和IAQI数值的有序字典 pollutants = OrderedDict([(k,
input('请输入{}浓度：'.format(k))) for k in mapping]) if data_validity(pollutants):
print("-"*50) iaqi_calc(pollutants) print("-"*50) aqi_calc(pollutants)
print("-"*50) if input("如需终止计算，请输入q后回车：").lower() == 'q': break print("-"*50)
else: print("-"*50) print("数据无效，请重新输入！") print("-"*50) if __name__ ==
'__main__': main()
完整版思路模型、代码与答案请私信获取~