knn数据挖掘算法在北京地区霾等级预报中的应用

利用北京地区2013年气象数据以及pm2.5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pm2.5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pm2.5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（knearestneighbor）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。