当前位置： 首页 > news >正文

基于支持向量回归（SVR）的空气质量预测

news 来源：原创 2025/6/19 16:00:05

基于支持向量回归（SVR）的空气质量预测

  • 1.作者介绍
  • 2.支持向量回归（SVR）算法介绍
    • 2.1 算法原理
    • 2.2 关键概念
    • 2.3算法特点
    • 2.4与其他回归方法对比
  • 3.基于支持向量回归（SVR）的空气质量预测实验
    • 3.1数据集介绍
    • 3.2代码实现
    • 3.3完整代码
    • 3.4结果展示

基于支持向量回归（SVR）的空气质量预测

1.作者介绍

王浩，男，西安工程大学电子信息学院，2024级研究生
研究方向：图像法识别羊绒羊毛
电子邮件：3122496059@qq.com

王晓睿，男，西安工程大学电子信息学院，2024级研究生，张宏伟人工智能课题组
研究方向：智能视觉检测与工业自动化技术
电子邮件：3234002295@qq.com

2.支持向量回归（SVR）算法介绍

2.1 算法原理

SVR（Support Vector Regression）是支持向量机（SVM）在回归问题上的应用，SVR通过最小化模型复杂度（‖w‖²）和控制ε-insensitive误差，在拟合精度与泛化能力之间取得平衡。其核心是构建一个宽度为2ε的"回归管道"，仅对落在管道外的样本计算损失，通过支持向量确定最优回归超平面。

2.2 关键概念

（1）ε-不敏感损失：只有当预测值与真实值的偏差超过阈值 ε 时才计算误差。
（2）间隔带（ε-tube）：由超平面和两侧边界（±ε）构成的区域，模型允许误差在此范围内。
（3）支持向量：位于间隔带外或边界上的点，决定模型形状。
在这里插入图片描述

2.3算法特点

（1）容忍机制：采用ε-不敏感损失函数，允许预测值在±ε范围内自由波动而不受惩罚，鲁棒性强，抗噪声数据。
（2）稀疏解特性：最终模型仅依赖少量支持向量（管道边界外的样本），计算高效，适合小样本，高维数据。
（3）核技巧兼容：通过核函数隐式映射到高维空间，可处理复杂非线性关系。

2.4与其他回归方法对比

在这里插入图片描述

3.基于支持向量回归（SVR）的空气质量预测实验

3.1数据集介绍

数据来自北京市环境监测中心 ，包含12个国家级空气质量监测站点的每小时数据。监测的污染物包括6种主要空气污染物（如PM2.5、PM10、SO₂等）和6项相关气象变量（如温度、湿度、风速等）。
下载链接为：https://archive.ics.uci.edu/dataset/501/beijing+multi+site+air+quality+data
在这里插入图片描述
本次实验使用天坛检测站点的数据：
在这里插入图片描述

3.2代码实现

（1）导入必要的库
在这里插入图片描述
（2）初始化配置
在这里插入图片描述

（3）数据加载和预处理
在这里插入图片描述
（4）模型训练
在这里插入图片描述

3.3完整代码

-*- coding: utf-8 -*-
"""
基于SVR的空气质量预测系统
数据集：空气质量监测数据（每小时记录）
功能：预测PM2.5浓度并生成专业分析报告
"""

# 1. 导入必要库
import os
import pandas as pd
import numpy as np
from sklearn.svm import SVR
from sklearn.preprocessing import StandardScaler, OneHotEncoder
from sklearn.model_selection import train_test_split, RandomizedSearchCV
from sklearn.metrics import mean_absolute_error, mean_squared_error, r2_score
from sklearn.compose import ColumnTransformer
from sklearn.impute import SimpleImputer
from sklearn.pipeline import Pipeline
from scipy.stats import loguniform
import matplotlib.pyplot as plt
from matplotlib import rcParams
import joblib

# 2. 全局配置
def set_global_config():
    """配置全局参数"""
    rcParams['font.sans-serif'] = ['Microsoft YaHei']  # 中文字体
    rcParams['axes.unicode_minus'] = False  # 显示负号
    plt.style.use('ggplot')  # 美观的绘图样式
    pd.set_option('display.max_columns', 20)  # 显示更多列

# 3. 数据加载与预处理
class DataProcessor:
    """数据处理管道"""
    
    def __init__(self, file_path):
        self.file_path = file_path
        self.df = None
        self.numeric_features = []
        self.categorical_features = []
        
    def load_data(self):
        """加载并清洗数据"""
        try:
            # 尝试不同编码方式读取文件
            try:
                self.df = pd.read_csv(self.file_path, encoding='utf-8')
            except:
                self.df = pd.read_csv(self.file_path, encoding='gbk')
            
            print(f"✅ 成功加载数据，原始记录数: {len(self.df)}")
            print("可用列名:", self.df.columns.tolist())
            
            # 清洗列名：去除前后空格、转换为小写
            self.df.columns = self.df.columns.str.strip().str.lower()
            
            # 检查必要的列是否存在
            required_cols = ['pm2.5', 'pm10', 'temp', 'pres']
            missing_cols = [col for col in required_cols if col not in self.df.columns]
            if missing_cols:
                raise ValueError(f"缺失必要列: {missing_cols}")
            
            # 处理缺失值
            self._handle_missing_values()
            
            return self.df
        except Exception as e:
            print(f"❌ 数据加载失败: {str(e)}")
            exit()
    
    def _handle_missing_values(self):
        """处理缺失值"""
        # 统一缺失值表示
        self.df = self.df.replace(['NA', 'N/A', 'na', 'n/a', 'NULL', 'null'], np.nan)
        
        # 删除关键列缺失的行
        initial_count = len(self.df)
        self.df = self.df.dropna(subset=['pm2.5'])  # 只删除PM2.5缺失的行
        print(f"✅ 缺失值处理后记录数: {len(self.df)} (删除{initial_count-len(self.df)}条)")
        
        # 转换数据类型
        self._convert_dtypes()
    
    def _convert_dtypes(self):
        """类型转换"""
        numeric_cols = ['year', 'month', 'day', 'hour', 'pm2.5', 'pm10',
                       'so2', 'no2', 'co', 'o3', 'temp', 'pres', 'dew', 
                       'rain', 'wspm']
        
        # 只转换实际存在的列
        numeric_cols = [col for col in numeric_cols if col in self.df.columns]
        self.df[numeric_cols] = self.df[numeric_cols].apply(pd.to_numeric, errors='coerce')
        
    def feature_engineering(self):
        """高级特征工程"""
        # 时间周期特征
        self.df['month_sin'] = np.sin(2 * np.pi * self.df['month']/12)
        self.df['month_cos'] = np.cos(2 * np.pi * self.df['month']/12)
        self.df['hour_sin'] = np.sin(2 * np.pi * self.df['hour']/24)
        self.df['hour_cos'] = np.cos(2 * np.pi * self.df['hour']/24)
        
        # 气象交互特征（使用实际存在的列）
        if 'dew' in self.df.columns:
            self.df['dew_point_diff'] = self.df['temp'] - self.df['dew']
        else:
            print("⚠️ 未找到'dew'列，跳过露点差特征")
        
        # 定义特征列（根据实际存在的列调整）
        base_features = [
            'month_sin', 'month_cos', 'hour_sin', 'hour_cos',
            'pm10', 'so2', 'no2', 'co', 'temp', 'pres'
        ]
        
        # 添加露点差特征（如果存在）
        if 'dew_point_diff' in self.df.columns:
            base_features.append('dew_point_diff')
        
        self.numeric_features = [f for f in base_features if f in self.df.columns]
        self.categorical_features = ['wd'] if 'wd' in self.df.columns else []
        
        print(f"🔧 使用的数值特征: {self.numeric_features}")
        print(f"🔧 使用的分类特征: {self.categorical_features}")
        
        return self.df

# 4. 模型训练类
class SVRTrainer:
    """SVR模型训练管道"""
    
    def __init__(self, numeric_features, categorical_features):
        self.numeric_features = numeric_features
        self.categorical_features = categorical_features
        self.preprocessor = self._build_preprocessor()
        self.model = None
        
    def _build_preprocessor(self):
        """构建特征预处理管道（包含缺失值处理）"""
        numeric_transformer = Pipeline(steps=[
            ('imputer', SimpleImputer(strategy='median')),  # 中位数填充
            ('scaler', StandardScaler())
        ])
        
        categorical_transformer = Pipeline(steps=[
            ('imputer', SimpleImputer(strategy='most_frequent')),  # 众数填充
            ('onehot', OneHotEncoder(handle_unknown='ignore'))
        ])
        
        transformers = []
        if self.numeric_features:
            transformers.append(('num', numeric_transformer, self.numeric_features))
        if self.categorical_features:
            transformers.append(('cat', categorical_transformer, self.categorical_features))
        
        return ColumnTransformer(transformers=transformers)
    
    def train(self, X_train, y_train):
        """模型训练流程"""
        param_dist = {
            'kernel': ['rbf', 'linear'],
            'C': loguniform(1e-1, 1e2),
            'epsilon': [0.01, 0.1, 0.5],
            'gamma': ['scale', 'auto']
        }
        
        svr = SVR()
        search = RandomizedSearchCV(
            svr, param_dist, n_iter=15, cv=3,
            scoring='neg_mean_squared_error', 
            n_jobs=-1, random_state=42, verbose=1
        )
        
        print("⏳ 开始模型训练...")
        X_processed = self.preprocessor.fit_transform(X_train)
        search.fit(X_processed, y_train)
        
        self.model = search.best_estimator_
        print(f"✅ 训练完成，最佳参数: {search.best_params_}")
        return self.model
    
    def evaluate(self, X_test, y_test):
        """模型评估"""
        X_processed = self.preprocessor.transform(X_test)
        y_pred = self.model.predict(X_processed)
        
        metrics = {
            'MAE': mean_absolute_error(y_test, y_pred),
            'RMSE': np.sqrt(mean_squared_error(y_test, y_pred)),
            'R²': r2_score(y_test, y_pred)
        }
        return metrics, y_pred

# 5. 可视化模块
class ResultVisualizer:
    """结果可视化生成器"""
    
    @staticmethod
    def plot_comparison(y_true, y_pred, save_path):
        """预测对比图"""
        plt.figure(figsize=(14, 6))
        plt.plot(y_true[:100], label='真实值', color='#2c7bb6', marker='o')
        plt.plot(y_pred[:100], label='预测值', color='#d7191c', linestyle='--')
        plt.title('PM2.5浓度预测对比（前100样本）', fontsize=14)
        plt.xlabel('样本序号')
        plt.ylabel('PM2.5浓度 (μg/m³)')
        plt.legend()
        plt.grid(True, alpha=0.3)
        plt.savefig(save_path, dpi=300, bbox_inches='tight')
        plt.close()
        print(f"📈 预测对比图已保存至: {save_path}")
    
    @staticmethod
    def plot_residuals(y_true, y_pred, save_path):
        """残差分析图"""
        residuals = y_true - y_pred
        plt.figure(figsize=(10, 6))
        plt.scatter(y_pred, residuals, alpha=0.6, c=np.abs(residuals), cmap='viridis')
        plt.colorbar(label='残差绝对值')
        plt.axhline(0, color='red', linestyle='--')
        plt.title('预测残差分布', fontsize=14)
        plt.xlabel('预测值 (μg/m³)')
        plt.ylabel('残差')
        plt.grid(True, alpha=0.3)
        plt.savefig(save_path, dpi=300, bbox_inches='tight')
        plt.close()
        print(f"📊 残差分析图已保存至: {save_path}")

# 6. 主程序
def main():
    set_global_config()
    
    # 初始化路径
    current_dir = os.path.dirname(os.path.abspath(__file__))
    data_path = os.path.join(current_dir, 'air_quality_data.csv')		#数据集文件路径
    output_dir = os.path.join(current_dir, 'results')                   #实验结果保存结果路径
    os.makedirs(output_dir, exist_ok=True)
    
    # 数据预处理
    processor = DataProcessor(data_path)
    df = processor.load_data()
    df = processor.feature_engineering()
    
    # 检查数据中是否还有NaN
    print("\n🔍 数据缺失值检查:")
    print(df[processor.numeric_features + processor.categorical_features].isna().sum())
    
    # 划分数据集
    X = df[processor.numeric_features + processor.categorical_features]
    y = df['pm2.5']  # 目标变量
    X_train, X_test, y_train, y_test = train_test_split(
        X, y, test_size=0.2, random_state=42)
    
    # 模型训练
    trainer = SVRTrainer(processor.numeric_features, processor.categorical_features)
    model = trainer.train(X_train, y_train)
    
    # 模型评估
    metrics, y_pred = trainer.evaluate(X_test, y_test)
    print("\n📊 模型性能评估:")
    for k, v in metrics.items():
        print(f"{k}: {v:.4f}")
    
    # 保存结果
    results = pd.DataFrame({
        '真实值': y_test.values,
        '预测值': y_pred,
        '残差': y_test.values - y_pred
    })
    
    # 添加日期信息（如果存在）
    date_cols = ['year', 'month', 'day']
    if all(col in df.columns for col in date_cols):
        results['日期'] = df.loc[y_test.index, date_cols].apply(
            lambda x: f"{int(x[0])}-{int(x[1])}-{int(x[2])}", axis=1)
    
    results_path = os.path.join(output_dir, 'prediction_results.csv')
    results.to_csv(results_path, index=False, encoding='utf_8_sig')
    print(f"💾 预测结果已保存至: {results_path}")
    
    # 可视化
    ResultVisualizer.plot_comparison(y_test.values, y_pred, 
                                   os.path.join(output_dir, 'comparison.png'))
    ResultVisualizer.plot_residuals(y_test.values, y_pred, 
                                  os.path.join(output_dir, 'residuals.png'))
    
    # 保存模型
    model_path = os.path.join(output_dir, 'svr_model.pkl')
    joblib.dump({'model': model, 'preprocessor': trainer.preprocessor}, model_path)
    print(f"🤖 模型已保存至: {model_path}")

if __name__ == "__main__":
main()

百度网盘链接：基于支持向量回归（SVR）的空气质量预测
链接: https://pan.baidu.com/s/1JxU1SCobvCW_cyhPQYvLnw 提取码: qy7k

3.4结果展示

（1）预测对比图
在这里插入图片描述
（2）残差分布图
在这里插入图片描述

相关文章：

  • 电商中的购物车（redis的hash类型操作）
  • NutriJarvis：AI慧眼识餐，精准营养触手可及！—— 基于深度学习的菜品识别与营养计算系统
  • halcon模板匹配(一)create_shape_model_xld
  • Python全栈开发项目实战——日历事件管理系统
  • QuarkPi-CA2 RK3588S卡片电脑：6.0Tops NPU+8K视频编解码+接口丰富，高性能嵌入式开发！
  • 2020年INS SCI1区TOP：平衡复合运动优化算法BCMO，深度解析+性能实测
  • Unity VideoPlayer 播放无声音
  • 【leetcode hot 100 300】最长递增子序列
  • NoV病毒抗原抗体，助力疫苗研究与诊断试剂开发！
  • 大型语言模型智能应用Coze、Dify、FastGPT、MaxKB 对比，选择合适自己的LLM工具
  • 某局jsvmp算法分析(dunshan.js/lzkqow23819/lzkqow39189)
  • BERT - 段嵌入（Segment Embedding）
  • Composer安装Laravel步骤
  • mybatis多表查询
  • Python实例题：Python实现iavaweb项目远端自动化更新部署
  • 解决双系统ubuntu24.04开机出现花屏等情况
  • Java面试黄金宝典48
  • Java 多线程编程之原子类 AtomicBoolean（构造方法、获取与设置、比较并设置）
  • rancher 解决拉取dashboard-shell镜像失败的问题
  • Wincc管对象的使用
  • 做网站和易语言/lol关键词查询
  • 做亚马逊网站的公司建议/哪里可以免费推广广告
  • 网站制作中企动力/百度优化推广
  • 合肥网站建设公司 招聘/外贸推广方式都有哪些
  • 阿里云网站建设/优化搜狗排名
  • 企业网站建设需要哪些软件/网页搜索引擎