【技术实现步骤摘要】
本专利技术属于空气质量预报，具体涉及一种矫正空气质量预报系统的误差方法。
技术介绍
1、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。
2、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。
技术实现思路
1、本专利技术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
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种矫正空气质量预报系统的误差方法，包括：
4、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；
5、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；
6、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；
7、s4：可采用多模型融合
8、优选的，所述随机森林对影响因子进行重要性度量：
9、假定有影响因子（变量） ，，，，需要计算个影响因子的得分统计量，变量的得分统计量用表示，统计量表示第个变量在rf所有树中节点分裂不纯度的平均改变量，gini指数的计算公式为：
10、式中，为自助样本集的类别数，为节点样本属于第类的概率估计值；当样本为二分类数据时，节点的gini指数为：
11、式中，为样本在节点属于任意一类的概率估计值；
12、变量在节点的重要性，即节点分枝前后gini指数变化量为：
13、式中，和分别表示由节点分裂的两个新节点的gini指数；
14、若变量在第棵树中出现次，则变量在第棵树的重要性为：
15、变量在rf中的gini重要性定义为：
16、式中，为rf中分类树的数量。
17、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：
18、1）从训练数据中随机选择个点样本点作为subsample，放入树的根节点；
19、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（切割点产生于当前节点数据中指定维度的最大值和最小值之间）；
20、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：把指定维度里小于的数据放在当前节点的左孩子，把大于等于的数据放在当前节点的右孩子；
21、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。
22、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。
23、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）。
24、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。
25、与现有技术相比，本专利技术的有益效果是：
26、本专利技术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。
本文档来自技高网...【技术保护点】
1.一种矫正空气质量预报系统的误差方法，其特征在于，包括：
2.根据权利要求1所述的一种矫正空气质量预报系统的误差方法，其特征在于：所述随机森林对影响因子进行重要性度量：
3.根据权利要求1所述的一种矫正空气质量预报系统的误差方法，其特征在于：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：
4.根据权利要求1所述的一种矫正空气质量预报系统的误差方法，其特征在于：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。
5.根据权利要求1所述的一种矫正空气质量预报系统的误差方法，其特征在于：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。
6.根据权利
...【技术特征摘要】
1.一种矫正空气质量预报系统的误差方法，其特征在于，包括：
2.根据权利要求1所述的一种矫正空气质量预报系统的误差方法，其特征在于：所述随机森林对影响因子进行重要性度量：
3.根据权利要求1所述的一种矫正空气质量预报系统的误差方法，其特征在于：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：
4.根据权利要求1所述的一种矫正空气质量预报系统的误差方法，其特征在于：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。
5.根据权利要求1所述的一种矫正空气...
【专利技术属性】
技术研发人员：唐易天晴，周德荣，江飞，刘强，
申请(专利权)人：南京创蓝科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。