基于时空多视图BP神经网络的城市空气质量数据补全方法研究

• 作者: 冯震华 刘仁义 周芹 张丰 张贝娜 杜震洪
• 来源期刊: 浙江大学学报（理学版）
• 学科: 地球科学
• 关键词: 数据补全 时空 多视图 BP神经网络 城市空气质量
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 地球科学
• 页码范围: 737-744
• 页数: 8页
• 分类号: P208
• 字数: 6111字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-9497.2019.06.016

摘要

针对城市空气质量监测数据缺失的问题,提出一种基于时空多视图BP神经网络的数据补全方法.采用指数移动平均、普通克里金和非凸矩阵完备作为时空多视图特征,结合映射非线性关系的BP神经网络,构建数据补全模型.以北京市36个站点2014年5月1日至2015年4月30日监测的PM2.5、PM10、NO2、CO、O3和SO26种空气污染物小时浓度为实验数据.实验结果表明,在15％缺失率下,随机缺失补全的平均相对误差为0.102～0.154,时间连续缺失补全的平均相对误差为0.161～0.271,空间连续缺失的补全平均相对误差为0.108～0.155,优于典型的单视图预测方法和多视图线性预测方法.研究成果可为城市空气质量数据补全工作提供方法支持,研究思路可为时空数据挖掘提供参考.