机器学习城市空气质量影响因素【附matlab代码】

✅博主简介：本人擅长数据处理、建模仿真、程序设计、论文写作与指导，项目与课题经验交流。项目合作可私信或扫描文章底部二维码。

---

基于成都市空气质量相关数据，研究空气质量指数（AQI）的影响因素，并设计和实现了一套基于机器学习的预测模型。通过爬虫技术获取成都市的空气质量数据，并对其进行预处理和分析，探索成都市空气质量的变化规律。同时，研究了空气质量的主要影响因素，建立多元回归模型，分析气象因素与空气质量的关系。随后，本文采用ARIMA模型、随机森林模型、XGBoost模型和支持向量机（SVM）四种模型对成都市的AQI进行了预测，最后构建组合预测模型对预测结果进行优化。

1. 数据收集与预处理

1.1 爬虫技术获取数据

首先，本文通过爬虫技术从成都市环保部门官方网站或第三方数据平台（如AQICN或天气网）获取成都市的空气质量历史数据。数据包括空气质量指数（AQI）、PM2.5、PM10、CO、NO2、SO2、O3等污染物浓度，以及气象数据如温度、湿度、风速、气压、降水等。

1.2 数据清洗与描述性分析

获取的数据经过清洗与预处理，主要步骤包括：

• 缺失值处理：通过插值法、均值填充等方式填补数据缺失。
• 异常值检测：剔除空气质量数据中的异常值，如极端异常的污染物浓度值。
• 数据规范化：对不同单位的数据进行标准化处理，使得所有数据在同一尺度上进行分析与建模。

1.3 数据可视化分析

对成都市空气质量数据进行描述性分析与可视化，初步探讨空气质量的变化规律。通过绘制成都市空气质量指数和各污染物的时间序列图、相关性矩阵等，分析不同时间段内空气质量的变化趋势，找出成都市空气污染的主要时段和污染物。

2. 影响因素分析与多元回归模型

2.1 多元回归模型

本文基于多元回归模型探讨空气质量的影响因素，分别分析污染物、气象因素与空气质量指数（AQI）之间的关系。模型假设空气质量指数是气象因素和污染物浓度的函数，表达式为：

通过回归模型分析，找出对成都市空气质量影响最大的污染物和气象因素，并对它们进行排序。结果显示，PM2.5 和 PM10 对 AQI 的影响最大，而气象因素中，温度、气压、风速对空气质量影响较大。

2.2 影响因素排序

基于回归模型的系数和显著性水平，本文得出成都市空气质量的主要影响因素：

• 在污染物中，PM2.5 和 PM10 对AQI的影响最大；
• 在气象因素中，影响空气质量的大小排序为：温度 > 气压 > 风速 > 降水 > 风向 > 湿度。

3. 空气质量指数预测模型

本文采用四种预测模型对成都市的AQI进行预测，分别是：

3.1 ARIMA 模型

ARIMA 模型是一种经典的时间序列预测方法，适合处理线性和季节性数据。在对成都市AQI的时间序列建模时，ARIMA模型捕捉了AQI随时间的波动趋势，但对非线性数据的预测效果有限。

3.2 随机森林模型

随机森林是一种集成学习算法，通过构建多棵决策树来进行回归预测。本文将成都市的空气质量数据作为输入，随机森林模型在处理复杂特征与非线性关系时表现出色，预测效果较为理想。

3.3 XGBoost 模型

XGBoost 是一种改进的梯度提升树（GBT）算法，在处理大规模数据和高维特征时具有很高的效率。本文采用XGBoost模型对成都市AQI进行预测，结果表明该模型对空气质量的短期波动具有较好的拟合效果。

3.4 支持向量机（SVM）

SVM 是一种常用的回归分析方法，适合处理高维空间下的非线性数据。本文使用SVM对成都市空气质量指数进行预测，并与其他模型进行对比，发现其对数据的过拟合风险较低，但预测精度略低于随机森林和XGBoost模型。

4. 组合预测模型

为了进一步提升预测效果，本文构建了随机森林与SVM、XGBoost与SVM的组合模型（RF-SVR 和 XGBoost-SVR）。组合模型的思路是先使用随机森林或XGBoost模型对AQI进行预测，再利用支持向量机对预测残差进行修正。

4.1 RF-SVR 组合模型

在随机森林模型的基础上，本文利用支持向量机对其预测误差进行二次拟合，进一步优化了AQI的预测效果。

4.2 XGBoost-SVR 组合模型

类似地，本文在XGBoost模型的基础上，使用SVM对残差进行修正，最终得到更为准确的AQI预测结果。

5. 模型评估与比较

为了评价不同模型的预测效果，本文采用以下评价指标：

• 决定系数（R²）：衡量模型拟合优度的标准，值越接近1，模型的拟合效果越好；
• 均方误差（MSE）：预测值与实际值之间的平方差的均值，用于衡量预测误差的大小；
• 平均绝对误差（MAE）：实际值与预测值之间的平均绝对差异。

通过对比分析，本文得出以下结论：

• 随机森林模型和RF-SVR组合模型在成都市AQI的预测中表现最佳，尤其是RF-SVR组合模型的预测精度优于单一的随机森林模型，R²、MSE、MAE分别达到了0.998572，1.107289，0.243125。
• XGBoost-SVR组合模型的预测效果紧随其后，同样在短期AQI预测中表现出色。

% 随机森林模型训练
Mdl_RF = TreeBagger(100, features, aqi, 'Method', 'regression');

% 预测AQI
aqi_pred_RF = predict(Mdl_RF, features);

% SVM残差修正
residuals = aqi - aqi_pred_RF;  % 计算残差
Mdl_SVM = fitrsvm(features, residuals);

% 使用SVM修正预测结果
residuals_pred = predict(Mdl_SVM, features);
aqi_pred_corrected = aqi_pred_RF + residuals_pred;

% 评估模型性能
mse_value = mse(aqi_pred_corrected, aqi);
r2_value = 1 - sum((aqi - aqi_pred_corrected).^2) / sum((aqi - mean(aqi)).^2);

fprintf('组合模型 MSE: %.4f\n', mse_value);
fprintf('组合模型 R²: %.4f\n', r2_value);

组合预测模型：

数据处理：

热力图：