一种融合序列模式挖掘和代价敏感学习的空气质量等级预测方法

摘要

本发明涉及一种融合序列模式挖掘和代价敏感学习的空气质量等级预测方法，本方法首先从空气质量等级历史序列数据中挖掘序列模式，构造序列模式树；然后从空气质量和气象历史数据中抽取特征，基于代价敏感学习技术训练代价敏感预测模型；最后融合序列模式树和代价敏感预测模型用于最终的空气质量等级预测。该方法在现有基于机器学习的空气质量等级预测方法的基础上，考虑了空气质量等级的变化模式和不平衡的预测错误代价，可有效提高模型的预测性能。