基于决策树索引的神经网络预测空气质量的方法

摘要

本发明涉及一种基于决策树索引的神经网络预测空气质量的方法，包括以下步骤：建立相关气象因子、空气质量和大气污染物排放量的时间序列数据集；利用决策树DT算法对获取的训练样本进行分类，生成以空气质量特征为导向的最优树形结构Tα及其相应分类结果；根据所述分类结果，为每一分类建立一个BP神经网络模型，并进行模型训练；输入预测数据集，基于决策树进行分类索引，选择训练后的DT‑BP神经网络模型或综合BP神经网络对空气质量进行预测；基于迭代算法得到连续的空气质量预报结果；记录出现不满足决策树分类匹配规则的数据集次数，超过设定值自动启动模型更新。本发明适用于常规天气、突变天气及重污染天气的空气质量预测预报。