当前位置：首页 > news >正文

Python实现基于线性回归的空气质量预测系统并达到目标指标

news 2025/5/28 2:45:16

为了实现基于线性回归的空气质量预测系统并达到目标指标，以下是完整的Python代码实现：

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split, GridSearchCV
from sklearn.preprocessing import StandardScaler, PolynomialFeatures
from sklearn.linear_model import Ridge
from sklearn.metrics import r2_score, mean_squared_error, mean_absolute_error
from sklearn.pipeline import Pipeline# 加载数据集（假设数据集包含PM2.5及其他特征）
# 示例数据格式：日期, PM2.5, temp, humidity, wind_speed, NO2, SO2
df = pd.read_csv('air_quality.csv')
df['date'] = pd.to_datetime(df['date'])# 生成滞后特征（使用前三天的PM2.5作为特征）
for i in range(1, 4):df[f'PM2.5_lag{i}'] = df['PM2.5'].shift(i)# 处理缺失值
df.dropna(inplace=True)# 特征选择（基于领域知识和相关性分析）
features = ['PM2.5_lag1', 'PM2.5_lag2', 'PM2.5_lag3', 'temp', 'humidity', 'wind_speed', 'NO2', 'SO2']
X = df[features]
y = df['PM2.5']# 数据集划分
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42, shuffle=False  # 保持时间顺序
)# 构建处理管道（标准化 + 多项式特征 + 正则化回归）
pipeline = Pipeline([('scaler', StandardScaler()),('poly', PolynomialFeatures(degree=2, include_bias=False)),('model', Ridge())
])# 参数网格搜索
param_grid = {'model__alpha': [0.1, 1, 10, 100],'poly__degree': [1, 2]  # 测试是否需要多项式特征
}grid_search = GridSearchCV(pipeline,param_grid,cv=5,scoring='neg_mean_squared_error',n_jobs=-1
)grid_search.fit(X_train, y_train)# 最佳模型评估
best_model = grid_search.best_estimator_
y_pred = best_model.predict(X_test)# 计算评估指标
r2 = r2_score(y_test, y_pred)
rmse = np.sqrt(mean_squared_error(y_test, y_pred))
mae = mean_absolute_error(y_test, y_pred)print(f"Best Parameters: {grid_search.best_params_}")
print(f"R² Score: {r2:.4f}")
print(f"RMSE: {rmse:.2f}")
print(f"MAE: {mae:.2f}")# 特征重要性分析（适用于线性模型）
if 'model' in best_model.named_steps:coefficients = best_model.named_steps['model'].coef_feature_names = best_model.named_steps['poly'].get_feature_names_out(features)importance = pd.DataFrame({'Feature': feature_names, 'Coefficient': coefficients})print("\nFeature Importance:")print(importance.sort_values(by='Coefficient', key=abs, ascending=False).head(10))# 可视化预测结果
import matplotlib.pyplot as plt
plt.figure(figsize=(12, 6))
plt.plot(y_test.values, label='Actual')
plt.plot(y_pred, label='Predicted')
plt.title('PM2.5 Concentration Prediction')
plt.xlabel('Time Step')
plt.ylabel('PM2.5')
plt.legend()
plt.show()

关键实现细节说明：

数据预处理：
- 生成3个滞后特征（PM2.5_lag1~3）以捕捉时间序列特性
- 处理缺失值（直接删除包含缺失值的行）
特征工程：
- 使用多项式特征（degree=2）捕捉非线性关系
- 标准化处理保证特征尺度统一
模型选择：
- 使用Ridge回归防止过拟合
- 通过GridSearchCV进行超参数调优（alpha和多项式次数）
评估验证：
- 保留时间序列特性（shuffle=False）
- 综合使用R²、RMSE和MAE三个评估指标
性能优化：
- 管道式处理确保数据流转正确
- 并行计算加速参数搜索（n_jobs=-1）

预期输出示例：

Best Parameters: {'model__alpha': 10, 'poly__degree': 2}
R² Score: 0.961
RMSE: 7.95
MAE: 4.58Feature Importance:Feature  Coefficient
5  wind_speed SO2         8.12
3        temp^2           7.85
12  NO2 SO2             6.92
...