[发明专利]一种基于聚类算法的空气质量预测方法

权利要求书

1.一种基于聚类算法的空气质量预测方法，其特征在于，包括以下步骤：

S1：确定多个时间序列，对不同时间序列的等间隔时间点采集各个空气污染物的浓度；

S2：将各等间隔时间点采集的不同空气污染物的浓度组成污染物浓度向量，每个时间序列的所有污染物浓度向量作为一个数据组；

S3：采用聚类算法对每个数据组进行分类，获取多个子类数据，并对每个子类数据求取平均向量；

S4：分别求取各平均向量与待预测数据组中各个浓度向量之间的差异值，选取出差异值最小的平均向量，并选出其所对应的子类数据；

S5：根据待预测数据组中缺失的污染物浓度种类，在选出的子类数据中找出缺失的污染物对应种类的浓度值作为待预测数据组的预测值。

2.根据权利要求1所述的一种基于聚类算法的空气质量预测方法，其特征在于，所述的聚类算法采用K-平均算法。

3.根据权利要求2所述的一种基于聚类算法的空气质量预测方法，其特征在于，采用K-平均算法进行分类的处理过程为：

31)将每个数据组的数据分为k个簇，随机选择k个对象作为初始的k个簇的质心；

32)计算各个对象与各个簇的质心的距离，将各个对象划分到与其自身距离最近的簇；

33)重新计算每个新簇的均值，即质心；

34)若簇的质心不再变化，则返回划分结果，否则执行步骤32)。

4.根据权利要求1所述的一种基于聚类算法的空气质量预测方法，其特征在于，所述的步骤S2中，污染物浓度向量Vec_i的表达式为：

Vec_i＝{C_i(A)，C_i(B)，C_i(C)，C_i(D)，C_i(E)...，T}

式中，i为时间点编号，i＝1，2，...，N，N为时间点的总数；C_i(A)，C_i(B)，C_i(C)，C_i(D)，C_i(E)分别为不同污染物种类的浓度值；T为采集污染物浓度的时间点。

5.根据权利要求4所述的一种基于聚类算法的空气质量预测方法，其特征在于，所述的步骤S2中，数据组的表达式为：

X_a＝{Vec₁，Vec₂，Vec₃，...，Vec_N}

式中，a为时间序列编号。

6.根据权利要求1所述的一种基于聚类算法的空气质量预测方法，其特征在于，所述的步骤S4中，采用欧式距离求取各平均向量与待预测数据组中各个浓度向量之间的差异值。

7.根据权利要求4所述的一种基于聚类算法的空气质量预测方法，其特征在于，各个污染物浓度向量中采集污染物浓度的时间点T为统一换算标准。