北京市空气质量预测数据分析

该文档部分解读了建模结果，完整的分析报告请见附件。 主代码文件为 Beijing_air_quality_prediction.ipynb，数据文件为 Beijing_air_quality_data.csv。 其余.py文件作为数据处理、分析、可视化等辅助函数文件。

题目1

结果分析：

折线图

从图中标准化后的空气质量指标小时均值变化趋势可见，各指标在 24 小时时间维度上呈现一定周期性特征： 各指标在每日相同时段表现出规律性波动，如部分指标于特定小时（如 19—23 时）出现标准化值峰值，在其他小时（如 4—5 时）形成谷值，且 “波峰 — 波谷” 的波动模式在每日 24 小时周期内稳定重复。这种以自然日为单位、在相同日时段内可重复的规律性变化，一定程度上体现了空气质量指标小时均值以 24 小时为周期的周期性特征，反映出其变化遵循固定时间循环规律。

ACF图

1. 在 O3 ACF 图中，自相关系数呈现规律性波动：滞后 24 小时、48 小时、72 小时处多次显著超出置信区间（阴影区域），形成明显峰值，且峰值间隔固定为 24 小时。这直接表明 O3 指标的小时均值变化存在 24 小时周期性，即数据以自然日为周期循环波动，符合 “日周期” 特征。

2. NO2 ACF 图中，自相关系数出现一定起伏波动，尤其在滞后 12 小时、24 小时等间隔处，呈现相对规律的波动趋势。尽管规律性弱于 O3，仍暗示 NO2 指标可能存在周期性，需结合其他分析进一步验证。

3. AQI、PM2.5、PM10、CO、SO2 的 ACF 图中，自相关系数随滞后小时数增加逐渐衰减，未出现如 O3 般规律的周期性峰值，也无固定间隔的显著波动，说明这些指标在 72 小时滞后范围内，周期性特征不明显。

题目2

热力图解读

热力图显示了各指标之间的相关性。颜色越深表示相关性越强，颜色越浅表示相关性越弱，偏红色表示正相关，偏蓝色表示负相关。

1. 图形大致可分为四个部分：
   • 左上角的颜色较深的矩形反映了AQI与数个观测指标（污染物）的关系。
   • 右上侧有一些颜色较深的区块，可能反映了污染物（如CO、NO2、O3）浓度与环境因素（如温度、湿度、风速）的相关关系。
   • 中心与中心正右侧的深色区块反映温度与气压间的强负相关关系。
   • 右下角的颜色较深的矩形主要反映各环境指标间的相关关系。
2. 空气质量指数（AQI）与PM2.5、PM10有很强正相关关系，与CO、NO2、SO2呈现较强正相关关系。同时跟VV（水平能见度）有较强负相关关系。后者的原因显然。经过查阅资料，前者数个指标本就为AQI的计算所考虑的指标，而同为考虑指标的O3相关性低，不知道为什么，需要进一步调研。
3. 小时（hour)与O3等指标呈现一定正相关关系，这或许反映O3浓度变化具有日周期。且与U（地面高度2米处的相对湿度）等指标呈现一定负相关关系。

主成分分析解读

1. 检验指标：
   • KMO值: 0.762>0.7。
   • 巴赫利特检验卡方值: 90424.712, p值: 0.0<0.001，显著。
   • 提取5个特征值大于1的因子作为主成分，累积方差贡献率为78.89%。
   • 检验效果较好，说明数据适合主成分分析降维。
2. 旋转载荷矩阵解读：
   1. Factor1（温度气压因子）
      • 高载荷变量： Tn (-0.963), T (-0.958), Tx (-0.954), P (0.924), Po (0.921), Td (-0.898)
      • 物理意义： 主要反映温度（T, Tn, Tx）和气压（P, Po）相关指标的强负相关关系（温度越高，气压越低）。
   2. Factor2（颗粒物污染因子）
      • 高载荷变量： AQI (0.967), PM10 (0.933), PM2.5 (0.879)
      • 物理意义： 直接反映空气质量指数（AQI）和颗粒物污染（PM10, PM2.5），空气质量问题代表颗粒物污染主导。
   3. Factor3（大气条件与污染物因子）
      • 高载荷变量： U (-0.824), Ff (0.772), NO2 (-0.728), CO (-0.695), VV (0.667)
      • 物理意义： 风速增加（Ff）与相对湿度（U）负相关，与能见度（VV）正相关。 同时风速增加（Ff）与污染物浓度（NO2、CO负载荷）的负相关关系可能暗示了风对大气污染物的扩散作用。
   4. Factor4（因子）
      • 高载荷变量： Pa (-0.747), SO2 (0.694)
      • 物理意义：难以解释。
   5. Factor5（降水因子）
      • 高载荷变量： RRR (0.819), tR (0.512)
      • 物理意义： 直接反映降水量（RRR）和降水时间（tR）。
   6. 交叉载荷与特殊变量
      • O3（臭氧）：在Factor1和Factor3上均有载荷，可能需结合气象与化学机制进一步分析。
      • VV（能见度）：受Factor3（风速）和Factor2（颗粒物）共同影响，符合实际物理规律。

题目3

SARIMA模型解读

1. 模型结构选择

   • 最终参数：(p,d,q)(P,D,Q,s) = (1,1,1)(1,1,1,24)
   • 参数选择依据：
     • 通过ACF/PACF图观察24小时周期特征
     • 使用网格搜索确定最优参数组合
     • 季节性分量设置为24小时周期(s=24)

2. 特征工程

   • 仅使用AQI单变量时间序列
   • 通过差分处理消除非平稳性：
     • 一阶常规差分(d=1)
     • 一阶季节性差分(D=1)

3. 参数调优

   • 使用AIC/BIC信息准则评估模型
   • 通过auto_arima自动搜索参数空间
   • 最终选择AIC最低的候选模型

4. 评估指标

   • RMSE: 11.893
   • R-squared: 0.932
   • MAE: 7.744
   • 相比XGBoost模型预测精度相近，但保持时间序列特性

5. 预测结果可视化

   • 滚动预测效果图：
   • 置信区间覆盖率达到95%，实际值大部分落在预测区间内

6. 残差分析

   • Ljung-Box检验p值=0.32(>0.05)
   • 残差ACF图无明显自相关
   • 符合白噪声假设，说明模型已充分提取序列信息

XGBOOST模型解读

1. 该模型使用历史AQI数据，并进行周期性编码和滞后特征构建（3小时粒度的滞后特征（最多7天）），作为特征工程。
2. 每次预测均采用该时间点以前的真实数据，即每次预测均为单步预测。
3. 使用随机搜索法参数调优。
4. 评估指标：
   • RMSE: 11.815
   • R-squared: 0.929
   • MAE: 7.722
5. 预测图：
6. 重要特征：AQI_lag_1最为重要，即该时刻的AQI主要由前1个观测时刻决定。AQI_lag_21也较为重要。day_of_week显示影响较小，但不是完全没有。
7. 模型比较：与SARIMA模型相近，在单步预测的准确度上几乎不相上下。两个模型在时间特征上的把握各有优势，比如SARIMA模型在时间序列特征上的把握较好，而XGBoost模型更能建立时间特征以外的因素对AQI的影响关系。但在同样只使用时间特征并且一次只往下预测一步的情况下，XGBOOST稍逊于SARIMA，后者预测更加稳健，而前者容易出现峰值偏高，谷值偏低的情况。
8. 其实也做了利用递归直接预测一整个月的，预测结果在2天以内尚可，而后趋于平缓，具体效果看图就很明了了。