KNN数据挖掘算法在北京地区霾等级预报中的应用

摘要：

利用北京地区2013年气象数据以及PM2．5浓度数据与能见度数据进行对比分析，结果发现气温、气压、相对湿度、露点温度、地面U风、地面V风以及P M2．5小时浓度这7个要素是影响北京地区霾等级的关键因素。利用气温、地面气压、相对湿度、露点温度、U风、V风分量以及PM2．5浓度作为7个属性特征，以霾等级做为标志量构建训练样本集，结合KNN（K-Nearest Neighbor）数据挖掘算法构建霾等级预报分类器，并开展霾等级客观识别实验。结果表明K＝3时该分类器的分类预报效果最佳，其13个站点的分类准确率高达88．2％。基于该算法构建的KNN模型预报无霾时的漏报概率很小，准确率高达91．8％；预报有轻度霾、中度霾以及重度霾时，空报的概率仅分别为4．7％、1．4％和2．6％。2014年8月29日至9月2日北京地区一次霾天气过程的预报结果表明：南郊观象台、密云和延庆3站的预报准确率分别达到74％、64％和84％，但霾等级的精度方面还有待于进一步提高。

关键词：数据挖掘、KNN、霾、预报

分类号：P456;P413(天气预报)

资助基金：中央级公益性科研院所专项基金IUMKY201303PP0103;国家科技支撑计划项目2014ABC16B04;北京市科技计划项目Z131100006113013;首都蓝天行动培育专项Z141100001014013

在线出版日期：2015-02-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：98-104