一种基于深度特征融合的串并联混合方法,用于空气质量指数预测

《Environmental Modelling & Software》:A Novel Series-Parallel Hybrid Method employing Fusion of Deep Features for Air Quality Index Forecasting

【字体: 大 中 小 】 时间:2026年07月10日 来源:Environmental Modelling & Software 5.2

编辑推荐:

  苏什里·苏巴普拉达·普拉丹|西巴拉玛·帕尼格拉希|索拉夫·库马尔·普罗希特 印度奥里萨邦布尔拉市乔蒂维哈尔,桑巴尔普尔大学计算机科学与工程系,信息技术研究所,邮编768019 **摘要** 本研究提出一种新的串并联混合技术,通过将ARFIMA模型与LSTM、Conv

  苏什里·苏巴普拉达·普拉丹|西巴拉玛·帕尼格拉希|索拉夫·库马尔·普罗希特
印度奥里萨邦布尔拉市乔蒂维哈尔,桑巴尔普尔大学计算机科学与工程系,信息技术研究所,邮编768019

**摘要**
本研究提出一种新的串并联混合技术,通过将ARFIMA模型与LSTM、ConvLSTM、BiLSTM和CNN架构的并行集成相结合,用于空气质量指数(AQI)预测。此外,还提出了一种新的特征融合方法以提升时间序列预测性能。该混合模型通过统计建模和深度特征转换,结合降维以及加法/乘法混合策略,能够捕捉线性与非线性模式。模型可生成点预测值和区间预测值,预测误差分布则通过t分布和高斯分布来确定预测区间。研究通过四点精度指标和四区间精度指标,将该方法与三种混合基准模型、五种深度学习模型以及十三种机器学习模型进行了对比评估。使用德里的AQI数据,并采用不同的训练-验证-测试划分方式进行的测试表明,所提出的模型在多个显著性水平上均显著优于其他机器学习模型,具有更高的预测精度和稳定性。

**引言**
空气是地球生命存在的关键要素,由多种气体按特定比例混合形成大气层[1]。有毒物质排放到大气中会导致空气污染,对全球公共健康构成严重威胁,同时也给发展中国家和发达国家带来巨大挑战[2]。主要空气污染物包括二氧化硫(SO2)、二氧化氮(NO2)、一氧化碳(CO)、臭氧(O3)、铅(Pb)以及颗粒物(PM)[2]。这些污染物主要来源于工业活动、森林和灌木丛火灾、废物焚烧以及交通排放[3]。

空气质量指数(AQI)是用于评估大气污染程度的重要指标[4]。它是根据某一地点监测到的关键污染物——一氧化碳、二氧化硫、二氧化氮、PM10、PM2.5以及臭氧的浓度计算得出的。AQI值由这些污染物中数值最高的子指数决定,从而量化反映某一地区的整体空气质量[5]。AQI值越高,说明空气质量越差。因此,准确的AQI预测变得越来越重要,因为它能为污染趋势提供有力洞察,帮助政府和环保机构及时采取有效控制措施[6]。在过去的一个世纪里,由于AQI预测的重要性,研究人员开发出了众多预测技术。这些预测技术大致可分为三类:物理模型、统计模型以及人工智能模型[7]。物理模型利用污染物在环境中的物理化学行为来预测污染物浓度;统计模型则模拟历史数据与空气污染物浓度之间的统计关系[8]。不过,诸如流体动力学相关技术和中尺度数值模型之类的物理预测模型需要气象或物理数据作为输入变量,且需要大量模拟数据,计算成本极高[8]。统计模型则被广泛用于构建数据驱动的空气质量预测系统,通过分析历史污染物数据来识别规律并做出准确预测[9]。例如,自回归整合移动平均模型(ARIMA)[10]、灰色模型(GM)[11]以及多元线性回归模型(MLR)[12]常被用于短期AQI预测。但由于固有限制,统计方法的预测精度也相对较低。

借助先进的计算平台、极快的并行处理计算机以及可扩展的存储系统,如今已能够开发出更为精确的空气污染预测模型[12]。正因如此,学者们纷纷致力于开发人工智能模型,力求实现高度精准的预测,以减轻空气污染带来的影响。例如,McKendry [13]将人工神经网络(ANN)与统计方法即MLR进行对比,利用多个解释变量预测颗粒物(PM10和PM2.5)浓度,并分析了ANN和决策树模型在估算PM10浓度方面的有效性[14]。类似地,Turias等人[15]将ANN与另一种流行的线性时间序列预测模型ARIMA进行比较,用于预测工业密集地区的悬浮颗粒物(SPM)、二氧化硫和一氧化碳浓度。为了预测每小时PM2.5浓度,Shang和He [16]开发了一种结合ANN和随机森林的独特预测方法。此外,还有研究通过模拟大气中PM10的浓度,对各种基于人工智能的技术进行了比较分析[17]。所有这些研究都表明,基于人工智能的预测方法是预测空气污染的最佳手段,相比传统预测方法具有处理速度快、精度高以及容错性强的优势[18]。近年来,AQI预测越来越多地采用深度学习模型。例如,基于长短期记忆网络的AQI模型表现优于ARIMA和支持向量回归等传统模型[19]。由于在图像处理领域的成功应用,卷积神经网络[20]能够捕捉空气污染的空间分布特征。然而,这些方法容易陷入局部最优或过拟合问题。此外,许多ANN模型缺乏统一的标准参数,这会显著影响预测结果。

机器学习模型更适合处理非线性模式,而基于统计方法的模型则能捕捉AQI数据集中的线性特征。因此,许多研究提出了将统计模型与机器学习模型相结合的多种混合模型,用于预测污染物浓度。研究表明,混合模型的性能往往优于单独的统计模型或机器学习模型[21]。混合模型中包含了多种建模方法。Wang等人[22]提出了一种复合模型,该模型独特地结合了ARIMA和ANN的优势,能够模拟数据集中的线性与非线性行为。该模型通过三组不同的实际数据进行了测试,结果表明,与现有模型相比,这种新的组合模型能够获得更准确的预测结果。为进一步提升空气污染预测的准确性,大多数研究者采用数据预处理方法,如主成分分析(PCA)、变分模态分解(VMD)、经验模态分解(EMD)等,以及粒子群优化(PSO)、鲸鱼优化算法(WOA)、差分进化(DE)和灰狼优化(GWO)等优化方法,来设计混合模型[7]。Mishra和Goyal [23]开发了一种结合PCA和ANN的混合模型,用于预测每小时二氧化氮浓度。PCA用于识别可作为ANN输入的关键变量,进而预测二氧化氮浓度。另一项研究则通过结合ANN和PCA,模拟了中国北方冬季的温室湿度[24]。其中,PCA被用来减少数据样本量,以便模型更快学习。研究结果表明,该模型比逐步回归方法更准确、性能更优。Sun等人[25]建议在PM2.5预测的整个过程中,首先使用PCA方法提取关键特征并降低实变量的维度。随后,再利用经过 cuckoo搜索算法优化的最小二乘支持向量机来预测每日空气中的PM2.5浓度。实验分析表明,这种混合模型在预测PM2.5浓度方面比单一的LSSVM模型和广义回归神经网络模型更为精确。还有研究设计了一种新的混合模型CS-EEMD-BPANN,该模型结合了集成经验模态分解、带有反向传播功能的ANN以及CS算法,可用于预测颗粒物浓度[26]。采用这种方法后,预测结果的准确性和效率都有显著提升。类似地,Altan等人[27]建立了一种基于LSTM、经验小波变换和CS算法的混合预测模型。研究发现,CS优化方法能够大幅提升预测模型的精确度。Niu等人[28]则创建了一种结合完整集成经验模态分解、灰狼优化和SVR的混合模型,用于预测PM2.5浓度。Wang等人[29]则采用VMD和带自适应噪声的CEEMD数据预处理方法,结合通过差分进化算法校准的极端学习机,用于预测中国的空气质量指数。Qunli等人[30]则开发了一种结合小波分解、经样本熵改进的VMD、LSTM以及经蝙蝠优化算法优化的LSSVM的混合模型,能够高精度预测北京和桂林的AQI值。许多学者还研究了将不同深度学习模型相结合以获得更高预测精度的方法[31]。CNN-LSTM的结合优势在于兼具两种模型的优点:CNN能够有效提取网格数据特征,而LSTM则擅长处理纵向数据。例如,有研究利用深度CNN-LSTM模型评估CNN生成的特征,用于预测智慧城市中的PM2.5浓度[32]。另一种CNN-LSTM混合模型用于预测臭氧浓度,其预测误差明显低于多层感知器模型和LSTM模型[33]。因此,结合多种方法的混合模型,尤其是融合多种预测模型的混合方法,更适用于空气质量预测。

现有文献中用于AQI预测的混合模型要么采用串行混合结构,要么采用并行混合结构。在串行混合模型[22]中,直接将ARIMA等线性模型应用于给定的AQI时间序列,从而得到线性预测值。然后将这些线性预测值从实际AQI时间序列中减去,得到表示非线性成分的残差序列,最后再利用非线性机器学习或深度学习方法对残差序列进行建模。最终预测值则是将非线性预测值与初始的线性预测值相结合得到的。尽管串行混合模型能比单独的模型获得更好的预测结果,但将线性模型直接应用于同时具有线性和非线性特征的AQI时间序列是不恰当的,因为线性模型仅擅长处理线性模式,因此最终得到的混合模型预测效果可能不佳。另一方面,平行混合模型[23]则分别应用不同的模型,再将各模型的预测结果进行组合,从而得到更准确的预测值。平行混合模型的性能取决于用于处理数据的模型选择以及预测结果的组合方式。虽然串行模型和并行模型都存在一定的局限性,但通常都能比单独的模型提供更好的预测结果。Hajirahimi和Khashei [34]提出了一种串并联混合结构,为时间序列预测提供了一种通用的混合建模框架。理论和实证分析都表明,该框架优于传统的串行和并行混合模型。然而,AQI时间序列数据具有高度非线性特征,需要特定的建模技术才能实现准确预测。仅仅依次应用线性模型和非线性模型可能无法得到精确的预测结果。因此,我们首先在应用线性模型后,对非线性的AQI时间序列进行函数展开,以此更好地体现非线性依赖关系,捕捉复杂模式。接着,利用四种具有不同特性的深度学习模型提取深度特征,以确保对数据有全面的理解。虽然这种展开方法能提升模式识别能力,但也会增加计算复杂度。为了解决这一问题,我们采用PCA方法,在不牺牲精度的前提下,对函数展开后的叠加深度特征进行变换并降低其维度,从而在保持关键信息的同时提高效率。最后,用Huber回归器对降维后的特征进行建模,这是一种能够有效处理异常值的稳健回归技术。这种混合方法兼顾了精度、计算效率与稳健性,非常适合用于AQI预测。本文的主要贡献如下:
i) 提出了一种新的串并联混合方法,通过将统计模型ARFIMA与四种深度学习模型(ConvLSTM、BiLSTM、CNN和LSTM)的并行组合,再加上PCA和Huber回归,用于AQI预测。
ii) 提出了一种用于时间序列预测的特征融合新方法,并将其应用于所设计的串并联混合模型中。
iii) 考虑了多种替代技术,包括使用不同的统计模型(ARIMA或ARFIMA)建模线性模式、对深度特征进行降维和变换(PCA或ICA),以及选择串行混合建模的类型(加法型或乘法型),以此提升所提混合模型的可靠性和稳健性。
iv) 除了点预测外,还通过使用t分布和高斯分布,结合60%、70%、80%、90%和95%的置信水平,对预测误差进行建模,从而得出区间预测值。该模型捕捉空气质量指数变化的能力可以通过多种置信度水平来进行评估。针对60-20-20、70-15-15以及80-10-10比例划分的训练集、验证集和测试集所获得的结果,运用“威尔科克森符号秩检验”与“弗里德曼和内梅尼假设检验”等统计方法进行深入分析,以此得出可靠结论;通过多种数据分割方式进行的测试有助于确保模型不会过度适应某一特定比例。本文其余结构如下:第2节介绍用于预测空气质量指数的混合方法;第3节对分析结果进行统计处理并展开讨论;第4节通过对比分析及消融实验对所提方法进行实证研究;第5节总结本文的研究成果。

所提方法
该混合模型将空气质量指数序列视为线性成分与非线性成分的结合体(如方程1所示)。线性成分采用最具潜力的分数阶信号处理技术之一——ARFIMA来建模。选择ARFIMA是因为相较于传统的整数阶统计模型如ARIMA,它在捕捉长期与短期依赖关系方面具有更强的能力。为利用ARFIMA对线性成分进行建模,需先将空气质量指数时间序列进行相应处理。

仿真结果
在本研究中,共选取了13种颇具前景的机器学习模型,包括线性回归、Huber回归器、岭回归、SGD回归器、决策树回归器、随机森林、装袋回归器、梯度提升算法、XGBoost、额外树回归器、多层感知器、支持向量回归以及K近邻回归器;同时还有5种深度学习模型,即卷积神经网络、ConvLSTM、双LSTM、LSTM和GRU,用以评估所提方法的相对有效性。由于这些模型大多属于随机模型,因此采用了20种不同的配置组合进行测试。

实证分析
为评估所提方法的有效性与稳健性,开展了全面的实证分析。其中既包括与其他方法的对比分析,以衡量该方法的优势,也包括消融研究,通过有选择地移除或修改各组成部分,系统分析它们各自的影响。这些实验共同为了解各组成部分的贡献以及所提方法带来的整体性能提升提供了重要依据。

结论
空气质量指数预测(点预测与区间预测)对于解决诸如空气污染预警系统之类的实际问题至关重要。鉴于现有空气质量指数预测方法存在的不足,我们通过实证研究提出了一种新的串并联混合模型,该模型结合了ARFIMA(线性模型)以及LSTM、CNN、双LSTM和ConvLSTM四种深度学习模型(非线性模型),同时还融入了主成分分析与Huber回归器。在模型构建过程中还考虑了多种替代方案。

作者贡献说明
苏什丽·苏巴普拉达·普拉丹:负责原文撰写、模型验证、软件开发、资源收集、方法设计、研究实施以及数据整理工作。西巴拉玛·帕尼格拉希:负责文章审阅与编辑、项目指导、方法设计、资金申请、形式化分析以及概念构思工作。索拉夫·库马尔·普罗希特:负责文章审阅与编辑、结果可视化、模型验证、软件开发、资源收集、方法设计、研究实施以及数据整理工作。

软件与数据获取方式
•交互式界面:Jupyter Notebook(版本7.0.6)
•联系方式:sourav.p@srmap.edu.in
•编程语言:Python(版本3.10.9)
•所用库:TensorFlow(版本2.10.0)、Scikit-learn(版本1.2.2)、XGBoost(版本1.7.5)、Forecast Package(R语言,版本8.21)
•硬件与系统要求:Windows 11操作系统,CPU:Intel? Core? i7-10700KF处理器,主频3.80 GHz,GPU:NVIDIA T400,显存4 GB,内存32GB
•源代码地址:https://github.com/skp1996/Series-Parallel-Hybrid-Method-with-Deep-Features-Fusion.git
•原始数据地址://github.com/skp1996/Series-Parallel-Hybrid-Method-with-Deep-Features-Fusion.git

利益冲突声明
作者声明不存在任何可能影响本文研究成果的已知财务利益关系或个人关系。

作者无利益冲突声明
作者再次声明不存在任何可能影响本文研究成果的已知财务利益关系或个人关系。

致谢
本研究得到了奥里萨邦高等教育委员会在奥里萨大学研究创新与激励计划下的资助,资助编号为392/69/OSHEC,该计划为这项研究的开展提供了重要支持。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号