基于数据挖掘技术的大气污染物预测研究综述 

琚汪慧 周欣宇 

安徽新华学院大数据与人工智能学院，安徽合肥，230088； 

摘要：随着近几年环境问题的日益严峻，人们对大气污染物数据的需求越来越高。海量数据的产生让传统的信息 分析与预测方法以无法满足目前处理信息的需求。随着近十年数据挖掘技术的发展，利用神经网络、支持向量机 等进行大气污染预测的研究活动急剧增加。为此，研究者应用开发了许多的预测模型，用于分析未来的大气污染 物的变化。本文分析了用于大气污染物预测建模的主流技术极其优缺点，探讨了大气污染物预测建模的研究方向， 最后对该应用的前景进行展望。 

关键词：数据挖掘；大气污染物；神经网络；支持向量机

参考文献 

[1]田启凡. 基于空间分析技术的桂北地区大气污染 物传输分析与预测研究[D]. 桂林：桂林电子科技大 学.

[2]陈柳. 小波网络在大气污染物浓度预测中的应用 [J]. 环境科学与技术, 2007, 30(1):3. 

[3]陈柳. 小波分析和神经网络应用于大气污染预测 的研究[D]. 西安：西安建筑科技大学, 2006. 

[4]吴亚平, 张琦, 王炳赟,等. 四川雅安三种主要大 气污染物浓度与气象条件的关系及其预测研究[J]. 高原气象, 2020, 39(4):10. 

[5]张卓然. BP 神经网络和自适应模糊推理系统在多 传感器粮情信息融合系统中的研究及应用[D]. 武汉： 武汉工业学院. 

[6]张学工. 关于统计学习理论与支持向量机[J]. 自 动化学报, 2000, 26(1): 32-42. 

[7]杨小怡,黄世芹,姚雷.用线性回归方法建立贵阳市 空气质量预报模式[J].贵州气象,2001(04):10-12. 

[8]朱红芳,王东勇.合肥市空气质量预报方法[J].气 象,2002(05):40-4. 

[9]蒋明皓, 张元茂. 采用门限自回归模型预测环境 空气质量[J]. 上海环境科学, 2001, 020(008):375- 377. 

[10]赵国君. 长春市空气质量预报系统的建立及应用 [D].长春：吉林大学,2004. 

[11]吴今培,黄磊.非线性多元回归分析的神经网络方 法(英文)[J].长沙电力学院学报(自然科学版),2002 (02):19-22. 

[12]P Viotti,G Liuti,P Di Genova. Atmospheric urban pollution: applications of an artificial neural network (ANN) to the city of Perugia [J]. Ecological Modelling,2002,148(1):10-12. 

[13]Maleki, H., Sorooshian, A., Goudarzi, G. e t al. Air pollution prediction by using an art ificial neural network model. Clean Techn Envi ron Policy,2019,21(1):1341–1352. 

[14]Zhang Dingtian,Zhang Xiaoxi. A Neural Netw ork Forecasting Model of Beijing Environment Q uality Based on Set Pare Analysis[J]. Energy P rocedia,2011,5(1):12-18. 

[15]黄世芹.改进 BP 神经网络在城市环境大气污染分 季节预报中的应用[J].贵州气象,2005(03):6-8. 

[16]Vapnik V N, Chervonenkis A Y. On a percept ron class[J]. Avtomat. i Telemekh, 1964, 25(1): 112-120. 

[17]Leong W C, Kelani R O, Ahmad Z. Prediction of air pollution index (API) using support ve ctor machine (SVM)[J]. Journal of Environmenta l Chemical Engineering, 2020, 8(3): 103208. 

[19]蔡仁,李如琦,唐冶,路光辉.支持向量机在乌鲁木 齐污染物预报中的应用研究[J].沙漠与绿洲气象,201 4,8(03):61-67. 

[20]卢玮. 基于 PSO-SVM 模型的地下建筑空气质量预 测研究[D].武汉：华中科技大学,2017. 

[21]李光明,王军,李颀.改进的 PSOGA-SVM模型应用于 露天矿区空气质量预测[J].中国科技论文,2019,14(1 2):1348-1355. 

[22] 谷瑞, 顾家乐, 宋翠玲. 基于金字塔分割注意 力和联合损失的表情识别模型[J]. Journal of Data Acquisition & Processing/Shu Ju Cai Ji Yu Chu Li, 2024, 39(6):67-72. 

[23]罗亚波,罗健.基于阻滞增长神经网络的双目视觉 标定方法[J].华中科技大学学报(自然科学版),2021, 49(12):71-75+82. 

本文得到安徽省教育厅高校自然科学重点研究项目： 软件工程专业改造提升工项目项目(No. 2023zygzts1 05)、混合型机器学习方法在精准医疗脑疾病中的预测 性研究(No. 2024AH050621)、安徽省大学生创新训练 计划项目：深度学习网络模型结合人工合成肿瘤提高 肝脏肿瘤分割精度(No. 2024AH050621)、安徽省大学 生创新训练计划项目：大语言模型在神经外科门诊检 查中的对比研究(No.S202412216215)资助. 

作者简介：琚汪慧（1988-）女，汉，安徽池州，教师 /助教，硕士研究生，研究方向：软件设计，大数据挖 掘，安徽新华学院，安徽省合肥市，231000 周欣宇，性别，（2006-），研究方向：数据挖掘。