盧淑怡，張 波*，張旱文，俞 豪，高浩然，劉 波

（1.上海師范大學(xué)信息與機(jī)電工程學(xué)院，上海201418；2.上海超算科技有限公司，上海201203）

0 引 言

隨著深度學(xué)習(xí)技術(shù)的興起，空氣污染預(yù)測(cè)成為信息科學(xué)和環(huán)境科學(xué)的交叉融合課題.國(guó)內(nèi)外各研究學(xué)者通過(guò)大量的傳統(tǒng)數(shù)值分析和機(jī)器學(xué)習(xí)手段等方法已取得了一定的成果.雷源等［1］為對(duì)流層內(nèi)的多種氣體污染物的時(shí)空分布及演變過(guò)程進(jìn)行預(yù)測(cè)，建立了對(duì)流層高分辨率化學(xué)預(yù)報(bào)模型；朱亞杰等［2］通過(guò)建立貝葉斯時(shí)空模型對(duì)京津翼區(qū)域進(jìn)行空氣污染預(yù)測(cè)，考慮了PM2.5污染物的時(shí)間變異和空間分布特性，進(jìn)行預(yù)測(cè)的過(guò)程中還引入氣象數(shù)據(jù)作為協(xié)變量；尹琪等［3］通過(guò)支持向量機(jī)（SVM）結(jié)合改進(jìn)的粒子群（IPSO）算法和遺傳算法（GA），使用參數(shù)尋優(yōu)的方法建立新模型，從而對(duì)空氣質(zhì)量指數(shù)做預(yù)測(cè)；陳偉等［4］使用支持向量機(jī)（SVM）結(jié)合小波分解建立了城市大氣污染物濃度預(yù)測(cè)模型，通過(guò)對(duì)于小波分解重構(gòu)，得到由分解序列合成的最終預(yù)測(cè)結(jié)果.

深度學(xué)習(xí)作為人工智能前沿技術(shù)，國(guó)內(nèi)外在研究污染物濃度的序列建模和變化趨勢(shì)預(yù)測(cè)方面已獲得很多良好的效果.尹文君等［5］針對(duì)當(dāng)前熱點(diǎn)的環(huán)境問(wèn)題，提出基于深度學(xué)習(xí)的大數(shù)據(jù)空氣污染預(yù)報(bào)，通過(guò)模擬人腦的神經(jīng)連接結(jié)構(gòu)［6］，實(shí)現(xiàn)大數(shù)據(jù)集成，有效克服現(xiàn)有方法的缺陷，提高預(yù)報(bào)性能，在應(yīng)用層面上更加靈活和可操作.

盡管空氣污染預(yù)測(cè)在深度學(xué)習(xí)領(lǐng)域取得了較大的發(fā)展，但仍存在不足.例如：1）當(dāng)下的預(yù)測(cè)方法僅提供了較為優(yōu)質(zhì)的模型，無(wú)法直觀地展現(xiàn)預(yù)測(cè)結(jié)果，不同的模型也無(wú)法在一個(gè)平臺(tái)上統(tǒng)一應(yīng)用；2）各個(gè)模型的集成度較差，對(duì)于跨專業(yè)領(lǐng)域的應(yīng)用存在困難.因此，本文作者提出一種基于深度學(xué)習(xí)的空氣污染物濃度預(yù)測(cè)平臺(tái)，利用網(wǎng)絡(luò)爬蟲技術(shù)獲取眾多的污染物數(shù)據(jù)，考慮到傳統(tǒng)數(shù)值分析和機(jī)器學(xué)習(xí)手段的局限性［7］，采用長(zhǎng)短期記憶（LSTM）網(wǎng)絡(luò)模型的深度學(xué)習(xí)［8］框架進(jìn)行空氣污染物濃度的預(yù)測(cè)，充分結(jié)合氣象數(shù)據(jù)對(duì)污染物濃度預(yù)測(cè)的影響，將基于深度學(xué)習(xí)的空氣污染預(yù)測(cè)技術(shù)設(shè)計(jì)為一個(gè)交互式平臺(tái)，提出了一種具有3個(gè)層次的深度學(xué)習(xí)交互式平臺(tái)架構(gòu).該平臺(tái)可通過(guò)對(duì)用戶的個(gè)性化模型參數(shù)進(jìn)行設(shè)置，具有靈活、可擴(kuò)展等優(yōu)點(diǎn).

1 總體技術(shù)框架

平臺(tái)一共有3個(gè)層次組成，分別為：數(shù)據(jù)采集層、模型層以及可視化界面層.由數(shù)據(jù)采集層自動(dòng)更新氣象數(shù)據(jù)和空氣污染數(shù)據(jù)，數(shù)據(jù)經(jīng)清洗和篩選后上傳至模型層，經(jīng)過(guò)LSTM 網(wǎng)絡(luò)模型，將產(chǎn)生的預(yù)測(cè)結(jié)果上傳至可視化界面，并展示給用戶，如圖1所示.

圖1 總體技術(shù)框架圖

1.1 數(shù)據(jù)采集層

數(shù)據(jù)采集層主要負(fù)責(zé)采集空氣污染的數(shù)值數(shù)據(jù).該層接收來(lái)自網(wǎng)絡(luò)爬蟲采集到的數(shù)據(jù).數(shù)據(jù)內(nèi)容包括：時(shí)間、監(jiān)測(cè)站、濕度、降雨量、風(fēng)向、風(fēng)速、溫度、PM2.5值、PM10值、SO2、NO2、CO 及O3的13 個(gè)數(shù)據(jù)項(xiàng).整合成為以小時(shí)為時(shí)間跨度單位，整體長(zhǎng)度為2015—2018年的實(shí)時(shí)數(shù)據(jù)，接著對(duì)其進(jìn)行數(shù)據(jù)清洗及篩選，最后上傳至模型層進(jìn)行訓(xùn)練.

針對(duì)大量氣象數(shù)據(jù)的收集、獲取及篩選處理，數(shù)據(jù)采集層利用網(wǎng)絡(luò)爬蟲程序，從2345天氣網(wǎng)站對(duì)上海市近3 年及實(shí)時(shí)數(shù)據(jù)進(jìn)行采集.網(wǎng)絡(luò)爬蟲程序通過(guò)統(tǒng)一資源定位符（URL）地址和超文本傳輸協(xié)議（HTTP），模擬客戶端向訪問(wèn)的網(wǎng)站發(fā)送請(qǐng)求，封裝必要的參數(shù)信息，自動(dòng)獲取網(wǎng)站內(nèi)容信息并解析數(shù)據(jù)，如圖2所示.

圖2 網(wǎng)絡(luò)爬蟲工作流程圖

1.2 模型層

模型層作為該平臺(tái)架構(gòu)的核心，集成了多種深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型.用戶可根據(jù)不同的需求選擇相應(yīng)的網(wǎng)絡(luò)模型，設(shè)置自定義參數(shù)進(jìn)行訓(xùn)練.1.2.1 LSTM模型介紹

1）遺忘門層.遺忘門層決定細(xì)胞狀態(tài)中信息的保留和丟棄.

2）輸入門層.輸入門層判斷細(xì)胞狀態(tài)中信息是否需要更新.

3）更新門層.更新門層負(fù)責(zé)更新細(xì)胞狀態(tài).

4）輸出層.輸出層負(fù)責(zé)確定輸出的內(nèi)容.采用LSTM 網(wǎng)絡(luò)模型的記憶門和遺忘門機(jī)制，記憶門決定保留過(guò)往有用的信息，遺忘門用于過(guò)濾掉無(wú)用的信息，從而突出重點(diǎn)屬性，降低非相關(guān)屬性的影響，對(duì)PM2.5空氣污染物進(jìn)行回歸預(yù)測(cè).

1.2.2 基于LSTM網(wǎng)絡(luò)模型的空氣污染物濃度預(yù)測(cè)

在模型層設(shè)計(jì)一個(gè)符合空氣污染物濃度預(yù)測(cè)的LSTM 網(wǎng)絡(luò)模型，LSTM 網(wǎng)絡(luò)模型和數(shù)據(jù)集的相關(guān)參數(shù)可由用戶自行設(shè)定.該模型主要包括3個(gè)部分：輸入層、隱藏層、輸出層.

1）輸入層接收數(shù)據(jù)采集層處理的數(shù)據(jù)，再將數(shù)據(jù)進(jìn)行歸一化處理，形成符合網(wǎng)絡(luò)輸入格式的規(guī)范數(shù)據(jù).

減譯法是指在不影響原文思想和內(nèi)容的情況下，把重復(fù)多余的文字省去，或在不影響譯語(yǔ)讀者理解的情況下，用更加簡(jiǎn)明的語(yǔ)言形式代替原文繁瑣語(yǔ)言的一種翻譯方法，比如：

2）隱藏層包括LSTM 網(wǎng)絡(luò)模型和全連接層.依據(jù)不同粒度的時(shí)間窗口，對(duì)模型進(jìn)行分析，綜合驗(yàn)證時(shí)間長(zhǎng)度依賴所取得的最佳窗口值.調(diào)節(jié)LSTM 網(wǎng)絡(luò)模型隱藏層中各處理器之間的傳播機(jī)制，優(yōu)化處理器內(nèi)部的參數(shù)設(shè)置，實(shí)現(xiàn)對(duì)時(shí)間序列預(yù)測(cè)的優(yōu)化.通過(guò)網(wǎng)絡(luò)訓(xùn)練，LSTM 網(wǎng)絡(luò)模型將分析所得的污染物特征傳給全連接層，全連接層將該特征轉(zhuǎn)譯為預(yù)測(cè)的污染物數(shù)值.

3）輸出層輸出下一時(shí)段PM2.5的預(yù)測(cè)值，同時(shí)記錄訓(xùn)練過(guò)程當(dāng)中的均方誤差、損失函數(shù)等相關(guān)系數(shù).

1.3 可視化界面層

用戶在可視化界面輸入相關(guān)參數(shù)，LSTM 網(wǎng)絡(luò)模型接受參數(shù)后開始訓(xùn)練，數(shù)據(jù)經(jīng)訓(xùn)練之后，以圖表的形式，將預(yù)測(cè)到的PM2.5空氣污染物及其他相關(guān)數(shù)據(jù)呈現(xiàn)給用戶.除此之外，模型訓(xùn)練過(guò)程中的均方誤差、損失值和數(shù)據(jù)集的特征分布也會(huì)以圖表的形式展現(xiàn)給用戶，方便用戶評(píng)估模型性能，觀察數(shù)據(jù)集分布特征.

2 仿真實(shí)驗(yàn)驗(yàn)證

本平臺(tái)以MySQL為數(shù)據(jù)庫(kù)，Vue.js文件為前端，融合了數(shù)據(jù)源處理、深度學(xué)習(xí)模型、數(shù)據(jù)可視化等技術(shù)，并具有可擴(kuò)展性，兼容多類人工智能模型，如圖3所示.

圖3 空氣污染物濃度預(yù)測(cè)平臺(tái)界面

本平臺(tái)主要由6個(gè)模塊組成：

1）天氣預(yù)測(cè)走勢(shì).通過(guò)將數(shù)據(jù)庫(kù)中已經(jīng)擁有的天氣數(shù)據(jù)輸入LSTM 網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，對(duì)未來(lái)的PM2.5情況進(jìn)行預(yù)測(cè).以折線圖的形式展示24 h，72 h 和一周這3 個(gè)不同時(shí)間跨度的PM2.5污染物質(zhì)量濃度，如圖4所示.

圖4 天氣預(yù)測(cè)走勢(shì)圖

2）數(shù)據(jù)統(tǒng)計(jì)分析.結(jié)合歷史污染物質(zhì)量濃度數(shù)據(jù)，對(duì)CO，PM10，PM2.5等污染物進(jìn)行統(tǒng)計(jì)分析，生成數(shù)據(jù)散點(diǎn)圖（圖5）和數(shù)據(jù)特征分布圖（圖6）.

圖5 數(shù)據(jù)散點(diǎn)圖

圖6 數(shù)據(jù)統(tǒng)計(jì)分析圖

其中，數(shù)據(jù)散點(diǎn)圖展示了PM10，PM2.5兩種污染物的數(shù)值情況，根據(jù)散點(diǎn)圖的聚集程度，用戶可判斷一段時(shí)間內(nèi)的空氣質(zhì)量情況.

數(shù)據(jù)特征分布圖則顯示了CO，NO2等六類污染物數(shù)據(jù)，用戶可選擇自己所需要查看的污染物種類.通過(guò)折線圖的方式，用戶可以清晰地了解一段時(shí)間內(nèi)污染物的變化情況.

3）模型及其參數(shù)選擇.選擇數(shù)據(jù)集與相應(yīng)的訓(xùn)練模型，并為訓(xùn)練模型設(shè)置相應(yīng)的參數(shù).該板塊具備兼容性和可擴(kuò)展性，用戶可自行添加其他模型進(jìn)行訓(xùn)練，也可添加不同的數(shù)據(jù)，根據(jù)用戶的不同需求進(jìn)行預(yù)測(cè)，如圖7 所示.其中，TrainSize 代表訓(xùn)練集的大小，NeuronUnit 代表輸出維度，Epochs 代表訓(xùn)練輪數(shù)，Batch_Size代表批處理的大小，LearnRate代表學(xué)習(xí)率.

圖7 模型參數(shù)選擇圖

4）模型測(cè)試結(jié)果.生成模型損失值和模型周期的函數(shù)關(guān)系圖，并生成預(yù)測(cè)的天氣數(shù)據(jù)和時(shí)間的關(guān)系圖.

模型損失函數(shù)變化曲線圖（圖8）展現(xiàn)了現(xiàn)有模型與理想回歸模型的差距，其變化規(guī)律與數(shù)值給用戶直觀地展現(xiàn)了模型的收斂過(guò)程與最終性能.

圖8 模型損失函數(shù)變化曲線圖

模型預(yù)測(cè)結(jié)果圖（圖9）則展示了用戶自定義模型對(duì)污染物濃度預(yù)測(cè)的準(zhǔn)確度，通過(guò)觀測(cè)值和預(yù)測(cè)值曲線的重合性，用戶可判斷未來(lái)污染物數(shù)值（即天氣預(yù)測(cè)走勢(shì)圖）的準(zhǔn)確性.

圖9 模型預(yù)測(cè)結(jié)果圖

5）模型訓(xùn)練過(guò)程.模型訓(xùn)練過(guò)程顯示模型訓(xùn)練時(shí)候的參數(shù)與訓(xùn)練的狀態(tài)：Shutting Down（關(guān)閉）、Training（訓(xùn)練中）、Finished（完成）.

6）模型預(yù)測(cè)結(jié)果.計(jì)算最后模型的損失值，并計(jì)算模型預(yù)測(cè)相應(yīng)的誤差，生成對(duì)模型的性能評(píng)估指標(biāo).

采用經(jīng)典的數(shù)據(jù)切分方式，即80%的數(shù)據(jù)作為訓(xùn)練集，20%的數(shù)據(jù)作為測(cè)試集.用戶通過(guò)輸入神經(jīng)元個(gè)數(shù)（NeuronUnit）、訓(xùn)練輪數(shù)（Epochs）、一次訓(xùn)練所選取的樣本數(shù)（Batch_Size）、學(xué)習(xí)率（LearnRate）4個(gè)參數(shù)進(jìn)行訓(xùn)練，得到相應(yīng)的預(yù)測(cè)結(jié)果，如表1 所示.實(shí)驗(yàn)證明，隨著神經(jīng)元個(gè)數(shù)及訓(xùn)練輪數(shù)，預(yù)測(cè)值基本可以逐步擬合測(cè)試值.

表1 實(shí)驗(yàn)結(jié)果

3 結(jié) 論

采用LSTM 網(wǎng)絡(luò)模型深度學(xué)習(xí)框架進(jìn)行空氣污染物濃度的預(yù)測(cè)，同時(shí)提出了基于深度學(xué)習(xí)的三層架構(gòu)預(yù)測(cè)平臺(tái)，給深度學(xué)習(xí)的可視化技術(shù)提供了一種新的方法.該平臺(tái)分為數(shù)據(jù)采集層、模型層和可視化界面層三個(gè)層次，集成了多種深度學(xué)習(xí)模型，可以直觀地展示數(shù)據(jù)，并具備兼容性和可擴(kuò)展性，用戶可以在平臺(tái)上自定義不同的數(shù)據(jù)集、深度學(xué)習(xí)模型以及訓(xùn)練參數(shù).