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。

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。

• lstm (单变量)
• lstm (单站点, 多变量, 共8变量)
• lstm (多站点, 多变量, 共40变量)
• BiLSTM
• ConvLSTM
• LSTM + Attention
• LightGBM
• ARIMA

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。

结果

下面是预测Bloomsbury未来96小时的NOX含量的结果

致谢

• Openair
• ndrplz