公开(公告)号：CN109657858B

公开(公告)日：2023-06-23

申请号：CN201811541675.1

申请日：2018-12-17

Applicant: 杭州电子科技大学

Inventor： 佘青山 ,  吴启凡 ,  蒋鹏 ,  席旭刚 ,  林宏泽

IPC: G06Q10/04 ,  G06Q10/0637 ,  G06Q50/26 ,  G06N20/00

Abstract: 本发明公开了一种基于不平衡修正半监督学习的道边空气污染预测方法。本发明包括以下步骤：（1）获取道边空气监测站点的历史污染物数据。(2)对历史污染物数据进行预处理，并且划分为训练集和测试集。(3)采用带多数类权重的少数类过采样技术对训练集中的有标记污染物数据进行不平衡修正。(4)将经过不平衡修正的有标记污染物数据和无标记污染物数据作为输入，训练半监督超限学习机模型。(5)将测试集数据输入到道边空气污染预测模型中，即可得到预测结果。本发明基于类别不平衡数据处理算法和半监督学习技术，考虑了污染物数据的不平衡性、缺少标记这一特性，提高了道边监测站点空气污染预测精度。

公开(公告)号：CN109657858A

公开(公告)日：2019-04-19

申请号：CN201811541675.1

申请日：2018-12-17

Applicant: 杭州电子科技大学

Inventor： 佘青山 ,  吴启凡 ,  蒋鹏 ,  席旭刚 ,  林宏泽

IPC: G06Q10/04 ,  G06Q50/26 ,  G06N20/00

Abstract: 本发明公开了一种基于不平衡修正半监督学习的道边空气污染预测方法。本发明包括以下步骤：（1）获取道边空气监测站点的历史污染物数据。(2)对历史污染物数据进行预处理，并且划分为训练集和测试集。(3)采用带多数类权重的少数类过采样技术对训练集中的有标记污染物数据进行不平衡修正。(4)将经过不平衡修正的有标记污染物数据和无标记污染物数据作为输入，训练半监督超限学习机模型。(5)将测试集数据输入到道边空气污染预测模型中，即可得到预测结果。本发明基于类别不平衡数据处理算法和半监督学习技术，考虑了污染物数据的不平衡性、缺少标记这一特性，提高了道边监测站点空气污染预测精度。