/air_pollutants_prediction_lstm

This is a project for predicting air pollutants in London by time series model, including lstm, bilstm, Convlstm, attention lstm, lightGBM and ARIMA

Primary LanguageJupyter NotebookMIT LicenseMIT

English version README can be seen here English version

air_pollutants_prediction_lstm

这个项目是用于预测伦敦空气质量的状况。其中有五个监测站的数据被选用。这五个监测站分别是:Harlington, North Kensington, Marylebone, Bloomsbury and Eltham. 该数据来源为openair开源库。数据的时间跨度为2018-2019。数据的属性有:NOX, NO2, NO, O3, PM2.5, 风速, 风向和空气温度。因为是用于水毕业的论文，所以整个实验并没有采用面向对象的方式进行封装，所以比较杂乱，见谅。但这样也有好处，就是任何单独的一个Jupter notebook文件 都可以独立的运行实验，并且完成实验的结果。

image

运行环境

  • google colab (建议)

or

  • pytorch
  • numpy
  • matplotlib
  • seaborn

使用算法

在使用算法之前，先要对数据进行预处理并且理解他们。

注意: 除了BiLSTM以外，其余算法全都采用双层的全连接层。

介绍

数据集划分

80% 训练集， 10% 验证集，10%测试集。

评估方法

注意！该实验的评估方法有两种。一种是用10%的测试集去评测。这意味着模型只需要预测未来1小时的情况。然后预测10%个相应的1小时。预测出来的值是不会重新放回time window里的。 另外一种，就是用上面筛选出来的模型去预测未来96小时的情况。每预测1小时，预测出来的新的值，将会塞回时间窗口。所以这个过程，偏移将会越来越大。

image

结果

下面是预测Bloomsbury未来96小时的NOX含量的结果 image

致谢