基于燭臺圖模式匹配的PM2.5擴(kuò)散特征的提取

許 睿，梁 爽，萬 航，文益民，沈世銘，李 建

（1.桂林電子科技大學(xué) 計算機(jī)與信息安全學(xué)院，廣西 桂林 541004；2.南方海洋科學(xué)與工程廣東省實驗室（廣州），廣州 511458；3.衛(wèi)星導(dǎo)航定位與位置服務(wù)國家地方聯(lián)合工程研究中心（桂林電子科技大學(xué)），廣西 桂林 541004）

0 引言

實現(xiàn)經(jīng)濟(jì)和環(huán)境協(xié)同發(fā)展已經(jīng)成為全球關(guān)注的熱點，而大氣環(huán)境污染是目前主要的環(huán)境問題之一。造成環(huán)境污染的細(xì)顆粒物種類眾多，主要包括氮氧化物、硫氧化物、臭氧、一氧化碳等。大氣污染物濃度監(jiān)測是環(huán)境治理的一個重要手段，不僅可以識別大氣中的污染物質(zhì)，還能掌握其分布和擴(kuò)散規(guī)律，監(jiān)視大氣污染源的排放和控制情況。大氣污染物濃度預(yù)測方法特點對比如表1 所示。在眾多的污染物濃度預(yù)測方法中，基于深度學(xué)習(xí)的方法以其學(xué)習(xí)能力強(qiáng)、適應(yīng)性強(qiáng)、可移植性好以及準(zhǔn)確率高等特點被廣泛應(yīng)用。本文考慮結(jié)合股票預(yù)測中廣泛使用的K 線圖技術(shù)分析方法，充分挖掘PM2.5（大氣細(xì)顆粒物污染）濃度擴(kuò)散數(shù)據(jù)，以有效提取大氣污染物擴(kuò)散過程特征。

表1 大氣污染物濃度預(yù)測方法特性對比Tab.1 Comparison of characteristics of air pollutant concentration prediction methods

本文提出了一種基于燭臺圖（Candlestick Chart，也稱作K 線圖）表示的卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）提取大氣污染數(shù)值序列特征——基于燭臺圖模式匹配（Candlestick Pattern Matching，CPM）的PM2.5擴(kuò)散特征提取方法，通過聚類分析網(wǎng)絡(luò)中燭臺圖的特征判斷將會發(fā)生的趨勢反轉(zhuǎn)情況。燭臺圖被廣泛應(yīng)用在股票市場用來記錄和預(yù)測價格走勢，燭臺圖分析技術(shù)的使用解決了非線性數(shù)據(jù)龐大無章的問題，同時保留了數(shù)據(jù)的語義關(guān)系。本文在引入燭臺圖的基礎(chǔ)上，使用在深度學(xué)習(xí)領(lǐng)域廣泛應(yīng)用的VGG（Visual Geometry Group）網(wǎng)絡(luò)提取污染物濃度變化特征，并對最終走勢進(jìn)行預(yù)測。實驗結(jié)果表明：本文的預(yù)測方法可以有效提取PM2.5趨勢特征，驗證了基于CPM 的方法在預(yù)測未來污染物濃度周期變化時的有效性。

1 相關(guān)工作

隨著當(dāng)今世界經(jīng)濟(jì)的發(fā)展，人們對環(huán)境污染的問題也越來越重視，PM2.5已成為大氣污染與擴(kuò)散領(lǐng)域的重點研究對象。一個旨在預(yù)測空氣質(zhì)量變化的模型，不僅要充分考慮多種復(fù)雜因素的影響，如氣候、交通、地形地貌、理化過程等，還需要充分保護(hù)數(shù)據(jù)的原始性，并考慮污染物濃度擴(kuò)散的全局趨勢以及局部變化特征。因此，將單純時序數(shù)據(jù)與大氣污染物擴(kuò)散過程相對應(yīng)，充分提取變化特征的研究具備實用性和學(xué)術(shù)價值。

目前針對污染物濃度數(shù)據(jù)的分析中，利用傳統(tǒng)的物理模型以及人工神經(jīng)網(wǎng)絡(luò)等各類方法對空氣質(zhì)量指標(biāo)未來走勢進(jìn)行分析是大氣環(huán)境監(jiān)測領(lǐng)域的一個重要方向。例如，Zhang 等［1］全面評估了具有在線耦合氣象-化學(xué)的三維實時空氣質(zhì)量預(yù)測（3-D Real-Time Air Quality Forecasting，3-D RT-AQF）模型；李威凌等［2］分別采用高斯模型和空間插值法對空間擴(kuò)散情況進(jìn)行模擬；Sun 等［3］提出了一種混合深度空氣質(zhì)量 預(yù)測模 型（Mixing Depth Air Quality Prediction，HDAQP）來預(yù)測空氣質(zhì)量指標(biāo)。現(xiàn)在基于人工神經(jīng)網(wǎng)絡(luò)的預(yù)測方法中，普遍集中在將初始處理的數(shù)據(jù)預(yù)處理成各種維度的數(shù)據(jù)向量后作為神經(jīng)網(wǎng)絡(luò)的輸入樣本。這些方法在對初始數(shù)據(jù)進(jìn)行處理，或?qū)斎霐?shù)據(jù)的維度進(jìn)行確定時，都對最原始的數(shù)據(jù)進(jìn)行了改變和篩選，限定了原始數(shù)據(jù)呈現(xiàn)特征的形式，可能損失很多隱藏信息。

在眾多的數(shù)據(jù)分析方法中，燭臺圖被認(rèn)為是能夠最好保存時序數(shù)據(jù)指標(biāo)的一種形式，燭臺圖模式對應(yīng)數(shù)據(jù)走勢中的濃度變化。例如，Takeuchi 等［4］設(shè)計了改良的K 線；Li 等［5］將壓力模式定義為一系列燭臺圖；魏連江等［6］從K 線圖角度對瓦斯異常模式進(jìn)行研究。但是，K 線圖對各類紛繁復(fù)雜的分析規(guī)則的應(yīng)用主要依賴分析者個人的經(jīng)驗，因此利用科學(xué)統(tǒng)計的方法真正抓住K 線圖中預(yù)測漲跌的特征信號顯得尤為重要。

隨著深度學(xué)習(xí)研究的日益發(fā)展，CNN 在圖片識別領(lǐng)域的應(yīng)用取得了巨大成就。例如，Hu 等［7］將深度學(xué)習(xí)方法（卷積自動編碼器）與K 線圖分析技術(shù)相結(jié)合并應(yīng)用在股票分析中；Chen 等［8］使 用CNN 和格拉 姆角場（Gramian Angular Field，GAF）圖像捕獲了8 種主要的燭臺形式；Huang 等［9］通過閱讀燭臺圖表而不是財務(wù)報告中的數(shù)值來預(yù)測價格走勢；張智軍等［10］則將含有需要識別的金融K 線形態(tài)圖像和該形態(tài)對應(yīng)的坐標(biāo)作為神經(jīng)網(wǎng)絡(luò)的輸入。通過深度學(xué)習(xí)算法在K 線形態(tài)圖像識別的應(yīng)用，不僅克服了現(xiàn)有時間序列數(shù)據(jù)量化程序難以表達(dá)分析師根據(jù)經(jīng)驗得到的K 線形態(tài)特征的問題，還能自主學(xué)習(xí)那些需要被識別的K 線形態(tài)后再用于包含K 線形態(tài)特征的實時圖像識別中。

在將神經(jīng)網(wǎng)絡(luò)應(yīng)用于大氣質(zhì)量預(yù)測時，現(xiàn)有研究多集中于采集監(jiān)測站中各種維度和各種頻率的數(shù)據(jù)，然后進(jìn)行插值和剔除等預(yù)處理，之后再輸入到深度神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練［11］，但少有方法能將原始數(shù)據(jù)不經(jīng)破壞地保留下來。部分學(xué)者已經(jīng)嘗試在各個領(lǐng)域?qū)D像分析方法和人工神經(jīng)網(wǎng)絡(luò)相結(jié)合，但還未單獨考慮神經(jīng)網(wǎng)絡(luò)對于燭臺圖的識別分類問題［12-14］，沒有將此技術(shù)分析方法應(yīng)用到大氣環(huán)境領(lǐng)域。因此，本文將K 線分析技術(shù)與CNN 相結(jié)合，探討由PM2.5生成的燭臺圖所包含的可以預(yù)測未來濃度變化的信息。

2 研究區(qū)概況

污染物濃度序列種類繁多，具有動態(tài)、非線性、混亂等特點，是大氣環(huán)境技術(shù)分析與量化投資領(lǐng)域的重要研究內(nèi)容。從海量的歷史污染物時間序列數(shù)據(jù)中，表征并捕獲某種特征的擴(kuò)散過程，是構(gòu)建神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)［15-17］。本次研究采用桂林市大氣質(zhì)量在線監(jiān)測站的監(jiān)測數(shù)據(jù)，如圖1 所示。桂林地處中國華南，由于桂林特有的氣象和地形條件，市區(qū)PM2.5擴(kuò)散十分緩慢。燭臺圖的生成需要泄放時間較長的連續(xù)泄漏型數(shù)據(jù)，這使K 線圖像分析技術(shù)在大氣環(huán)境領(lǐng)域的應(yīng)用變得合理。這種泄放時間較長的連續(xù)型數(shù)據(jù)恰好利于燭臺圖的生成以及變化特征的提取，為后續(xù)大氣污染物濃度的預(yù)測提供數(shù)據(jù)基礎(chǔ)。

圖1 桂林市大氣質(zhì)量在線監(jiān)測站分布Fig.1 Distribution of air quality online monitoring stations in Guilin

本文結(jié)合在股票價格預(yù)測中廣泛使用的分析方法與深度學(xué)習(xí)技術(shù)來預(yù)測PM2.5在桂林市的濃度水平變化。在傳統(tǒng)的燭臺圖表分析中，總會根據(jù)一些特殊燭臺圖表或趨勢反轉(zhuǎn)信號的出現(xiàn)來判斷趨勢變化。然而，不同的站點會有不同的濃度變化機(jī)制，當(dāng)帶有趨勢反轉(zhuǎn)信號的燭臺圖出現(xiàn)時，當(dāng)前污染物的濃度變化將會繼續(xù)或是反轉(zhuǎn)，這取決于站點對污染物濃度的擴(kuò)散模式［18-20］。因此，需要找出污染物濃度的擴(kuò)散模式，以幫助預(yù)測具體的濃度改變數(shù)值。

3 理論基礎(chǔ)與模型構(gòu)建

3.1 模型框架

在燭臺圖聚類分析和污染物濃度擴(kuò)散機(jī)制相互聯(lián)系的基礎(chǔ)上，基于燭臺圖模式匹配（CPM）的大氣質(zhì)量預(yù)測框架如圖2 所示，主要流程包括數(shù)據(jù)采集與預(yù)處理、特征提取與燭臺圖生成、模式匹配、趨勢預(yù)測和結(jié)果分析。

圖2 基于CPM的大氣質(zhì)量預(yù)測框架Fig.2 Air quality prediction framework based on CPM

3.2 燭臺圖庫的生成

PM2.5濃度K 線圖中主要包括4 類數(shù)據(jù)，即起始值（First）、最高值（Highest）、最低值（Lowest）、結(jié)束值（Last）。PM2.5濃度擴(kuò)散規(guī)律也是圍繞這4 個數(shù)據(jù)進(jìn)行研究。圖3 中展示了污染物1 天內(nèi)的變化信息，以及PM2.5濃度的燭臺圖對應(yīng)過程。

圖3 1天中PM2.5濃度變化與對應(yīng)的燭臺圖Fig.3 Candlestick chart corresponding to PM2.5 concentration change in one day

為了建立一個明確的參考模型用于對未來模式研究進(jìn)行合理分類，Hu 等［21］提出了103 個已知燭臺圖案的綜合形式規(guī)范。根據(jù)繪圖規(guī)則，兩種基本的燭臺形狀如圖4 所示，所有可能存在燭臺圖的形狀如圖5。

圖4 兩種基本的濃度燭臺圖形狀Fig.4 Two basic concentration candlestick charts

圖5 12種類別燭臺圖Fig.5 Twelve types of candlestick charts

3.3 大氣污染擴(kuò)散過程特征提取

每一天內(nèi)的濃度波動信息都通過5 個基本特征來描述，將污染物濃度擴(kuò)散過程定義為一系列的燭臺圖表，然后進(jìn)行濃度匹配，預(yù)測當(dāng)前污染物趨勢發(fā)生逆轉(zhuǎn)還是保持不變。

3.3.1 濃度燭臺圖的特征描述

污染物濃度燭臺圖特征向量表示為：

通過從燭臺圖中提取5 個不同且有實際意義的特征fi1，fi2，…，fi5來反映1 天內(nèi)整體的濃度情況，分別對應(yīng)以下特征：

1）類別特征（Category Shape）：通過區(qū)分濃度的升降、實體的有無、上下影線的有無，燭臺圖被定義為12 種不同的形狀，類別特征表示為CShape∈{1，2，…，12}。

2）實體特征（Entity Features Length）：在燭臺圖中，實體的長短表征著污染物濃度上升/下降的強(qiáng)度，較長實體的燭臺表征明顯的增加/減少的趨勢。實體特征的計算方法為：

其中：Openi為第i天起始濃度值，Closei為第i天結(jié)束濃度值。

3）上影線特征（Upper Hatch Feature Length）：具有較長上影線的濃度燭臺圖表示濃度趨勢下降的幅度很明顯，甚至在下一個時間間隔內(nèi)，持續(xù)下降的可能性更大。上影線的計算方法為：

其中：Highi為第i天最高濃度值。

4）下影線特征（Undercut Feature Length）：具有較長下影線的濃度燭臺圖表示濃度趨勢上升的信號很強(qiáng)烈，這將導(dǎo)致下一個時間點濃度的增加。下影線的計算公式為：

其中：Lowi為第i天最低濃度值。

5）變化率特征（Rate Change）：比較兩個相鄰位置的燭臺圖，計算出平均濃度變化趨勢的信息，來鎖定對當(dāng)前時刻有用的污染物濃度模式。在一天當(dāng)中，整體的濃度水平用平均濃度變化來表征，并以此作為濃度燭臺的中心。此項特征將通過當(dāng)天與前一天的濃度水平變化來描述，即：

通過提取帶有濃度變化趨勢的燭臺圖模式特征，捕捉出反轉(zhuǎn)信號。如圖6 展示了一些帶有濃度反轉(zhuǎn)信號的燭臺圖，表征趨勢的轉(zhuǎn)折點，當(dāng)過去幾天出現(xiàn)連續(xù)的濃度增加，而這種信號減少的燭臺圖出現(xiàn)時，預(yù)示未來濃度可能會降低。其中，濃度遞減燭臺圖（1～4）和具有長上影線的燭臺圖（5、6）代表具有遞減反轉(zhuǎn)信號的燭臺圖。此外，那些不具備實體的特殊形狀的燭臺圖（7～9）也可被看作是可能存在的轉(zhuǎn)折點。同樣，帶有遞增反轉(zhuǎn)信號的燭臺圖特征也是如此。

圖6 濃度增加/減少過程中可能存在轉(zhuǎn)折點的PM2.5燭臺圖Fig.6 PM2.5 candlestick charts with possible turning points in concentration increasing/decreasing process

3.3.2 污染物濃度模式匹配

1）濃度增加/減小周期：在連續(xù)的時間間隔t1，t2，…，tn，當(dāng)i=2，3，…，n-1 時，如果滿 足Ci，avg＞max(Ci-1，avg，Ci+1，avg)，則Ci，avg是濃度周期的峰值；當(dāng)i=2，3，…，n-1 時，如果滿 足Ci，avg＜min(Ci-1，avg，Ci+1，avg)，則Ci，avg是濃度周期的谷值。比如，Ci1，avg、Ci3，avg是兩個最近相鄰的濃度谷值，Ci2，avg是兩者之間的濃度峰值，并且i1 ＜i2 ＜i3，則濃度谷值Ci1，avg和下一個濃度峰值Ci2，avg之間的連續(xù)時間間隔被視為濃度增加周期，濃度谷值Ci2，avg和下一個濃度峰值Ci3，avg之間的連續(xù)時間間隔被視為濃度減小周期。

2）濃度模式：濃度模式是由濃度燭臺圖特征向量PCFi組成的序列，即M=在每個濃度增加或減少的周期中，K是濃度周期的長度。鑒于最近的燭臺圖能夠?qū)ξ磥眍A(yù)測提供更有用的信息，按照從后向前的順序進(jìn)行匹配。定義匹配率ρ，指K組特征中有ρ組參數(shù)能夠完成匹配，并通過距離衡量兩個燭臺的特征向量的匹配率。如果匹配距離低于某一個閾值，則認(rèn)為匹配成功。距離公式定義為：

其中：wi(i=1，2，…，5)是權(quán)重因子=1。本文方法的權(quán)重采用層次分析（Analytic Hierarchy Process，AHP）算法確定。距離當(dāng)前天數(shù)最近的燭臺圖能夠描述更加有用的信息，因此對應(yīng)的權(quán)重w1將被賦予最高的數(shù)值。對于類別特征CShape，要求匹配的準(zhǔn)確率最高。

針對實體、上影線、下影線、變化率四個特征，本文采用Z-score 標(biāo)準(zhǔn)化對原始監(jiān)測數(shù)據(jù)進(jìn)行歸一化處理，以加快深度學(xué)習(xí)模型的收斂。

3.4 卷積神經(jīng)網(wǎng)絡(luò)模型的設(shè)計

3.4.1 網(wǎng)絡(luò)模型的結(jié)構(gòu)

在圖像識別和分類領(lǐng)域，廣泛使用CNN 處理實際問題。CNN 因具有極小的特征工程需求而被廣泛應(yīng)用，這為深度學(xué)習(xí)在大氣質(zhì)量領(lǐng)域的合理應(yīng)用提供了技術(shù)支持。深度卷積神經(jīng)網(wǎng)絡(luò)VGG（Visual Geometry Group）是CNN 的經(jīng)典模型，在特征提取和分類方面均表現(xiàn)優(yōu)秀［22-24］?；赩GG 的濃度趨勢預(yù)測框架如圖7 所示。污染過程的局部特征由卷積層提取，對應(yīng)大氣污染物擴(kuò)散過程。即第一天污染將對第二天和第三天污染造成的影響，此類模式的特征被卷積層捕獲；池化層進(jìn)一步加強(qiáng)統(tǒng)計特征層的信息，使網(wǎng)絡(luò)強(qiáng)特征表現(xiàn)更明顯，弱特征作用相對較小。污染過程的全局趨勢信息由全連接層進(jìn)行整合，能提高預(yù)測大氣污染變化趨勢的準(zhǔn)確性。

圖7 基于VGG的PM2.5濃度趨勢預(yù)測框架Fig.7 PM2.5 concentration trend prediction framework

如圖7 所示，將連續(xù)3 天的PM2.5濃度數(shù)據(jù)通過K 線發(fā)生器生成污染物燭臺圖，然后通過模式匹配，輸入VGG 網(wǎng)絡(luò)結(jié)構(gòu)中。

最后，綜合評估了網(wǎng)絡(luò)的效果和可用的計算機(jī)硬件條件，確定用以下CNN 結(jié)構(gòu)進(jìn)行研究：第一個卷積層設(shè)計32 個卷積核，第二個卷積層設(shè)計32 個卷積核，第三個卷積層設(shè)計16 個卷積核，卷積核大小為3×3。

在該網(wǎng)絡(luò)模型中，激活函數(shù)都采用線性整流單元（Rectified Linear Unit，ReLU），ReLU 的使用不僅可以解決梯度消失的現(xiàn)象，還可以有效加速模型的訓(xùn)練。通過max()函數(shù)描述ReLU 的過程，并加入Dropout 層，以隨機(jī)斷開鏈接的方式防止模型過擬合。還在模型的最后一個卷積層加入Flatten 層，將多維數(shù)據(jù)壓縮成一維。

3.4.2 網(wǎng)絡(luò)模型的訓(xùn)練準(zhǔn)備

本文設(shè)置批次大小batch_size=200，即每輸入200 張圖片訓(xùn)練后，網(wǎng)絡(luò)進(jìn)行權(quán)重校正并完成參數(shù)迭代。在前面設(shè)計的CNN 預(yù)訓(xùn)練期間，7～9 次的訓(xùn)練可以使神經(jīng)網(wǎng)絡(luò)達(dá)到最好收斂狀態(tài)，因此在所有對比實驗中設(shè)置epochs=10。

4 實驗與結(jié)果分析

4.1 數(shù)據(jù)收集及預(yù)處理

4.1.1 數(shù)據(jù)收集

本次研究采用桂林市大氣質(zhì)量在線監(jiān)測站的監(jiān)測數(shù)據(jù)，桂林市總共配有61 個監(jiān)測站負(fù)責(zé)監(jiān)控大氣環(huán)境質(zhì)量，其中10 個是固定站，51 個為微型站。數(shù)據(jù)庫中存儲的數(shù)據(jù)通過服務(wù)設(shè)備每5 min 記錄一次相應(yīng)站點對應(yīng)的污染物和氣象數(shù)據(jù)。其中，氣象數(shù)據(jù)有大氣的氣壓、降雨量、風(fēng)速、風(fēng)向、濕度、溫度等；污染物濃度數(shù)據(jù)包括NO2、SO2、CO、O3、PM2.5、PM10等。數(shù)據(jù)時間窗口選擇自2019 年8 月8 日—2021 年8 月7 日，共計3 年的日污染物濃度數(shù)據(jù)。本次實驗通過Hadoop引擎連接大數(shù)據(jù)系統(tǒng)，導(dǎo)出研究所用數(shù)據(jù)集。

4.1.2 數(shù)據(jù)預(yù)處理

數(shù)據(jù)的預(yù)處理分為兩部分：首先是對數(shù)據(jù)集的基本面預(yù)處理，然后是對數(shù)據(jù)進(jìn)行初始分類，包括極端值或缺失值處理、Z-score 標(biāo)準(zhǔn)化處理等。為避免因不同站點的污染物濃度數(shù)據(jù)差異較大對模型預(yù)測結(jié)果產(chǎn)生影響，本次實驗采用Z-score 方法對歷史PM2.5濃度數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。Z-score將不同量級的數(shù)據(jù)統(tǒng)一轉(zhuǎn)換成同一量級，并統(tǒng)一用計算出的Z-Score 值來衡量，以保證數(shù)據(jù)之間的可對比性。

4.2 評價指標(biāo)

評估分類模型的評價指標(biāo)中最常見的是混淆矩陣。在本次實驗中，最終輸出結(jié)果將會展示未來污染物濃度上升還是下降，考慮到污染物濃度上升會對環(huán)境產(chǎn)生的不良影響，故將濃度在分類型模型中表現(xiàn)上升設(shè)為positive，濃度在分類型模型中表現(xiàn)為下降設(shè)定為negative。

準(zhǔn)確率指模型預(yù)測正確的樣本數(shù)占樣本總數(shù)的比重，可以直觀衡量模型總體性能，如式（6）所示：

精確率指在模型預(yù)測是positive 的所有結(jié)果中，模型預(yù)測對的比重，如式（7）所示：

召回率指在預(yù)測出的分類樣本中被正確預(yù)測的比重，如式（8）所示：

F1 分?jǐn)?shù)是P與R的加權(quán)平均值，計算公式如式（10）：

4.3 模型對比分析

為評價本文提出的基于CPM 的PM2.5擴(kuò)散特征提取方法，對比了未考慮大氣污染擴(kuò)散過程的VGG 的方法，以及在相同實驗條件下基于支持向量機(jī)（Support Vector Machine，SVM）、AlexNet 的預(yù)測方法。實驗結(jié)果表明本文方法表現(xiàn)出了更好的性能。

通過對圖5 中的12 種不同外觀的燭臺圖進(jìn)行統(tǒng)計后發(fā)現(xiàn)，濃度燭臺形狀3 和4 最為常見，占比分別為48.74%和31.31%。圖8 是帶有濃度燭臺圖序列的大氣污染物時間序列片段?？梢钥闯?，當(dāng)伴有反轉(zhuǎn)信號的燭臺圖出現(xiàn)時，污染物濃度的變化趨勢不會立刻反轉(zhuǎn)，因此，通過濃度擴(kuò)散模式進(jìn)行判斷。在獲取污染物濃度模式的過程中，跳過了沒有任何數(shù)據(jù)的時間間隔，只考慮完整的濃度循環(huán)周期。

圖8 PM2.5濃度模式匹配圖Fig.8 PM2.5 concentration pattern matching diagram

匹配率ρ被用來調(diào)控匹配時間，從時間序列片段中提取兩個濃度模式：模式1 和模式3，如圖8 所示，即代表第10～15天的污染物濃度增加模式以及第21～24 天的污染物濃度減小模式。匹配過程中，調(diào)整匹配率ρ=1 時，會無法找到這兩種模式對應(yīng)的精確匹配；當(dāng)設(shè)ρ=0.8 時，成功找到了歷史模式中對應(yīng)的模式2 和4 與之匹配。表2 顯示了不同匹配率的預(yù)測結(jié)果，最終選擇匹配率0.8 作為本文模型的參數(shù)。

表2 匹配率變化時的預(yù)測誤差Tab.2 Prediction error when matching rate changes

分別利用SVM、AlexNet、VGG 和本文方法的改進(jìn)VGG 模型進(jìn)行訓(xùn)練。此次實驗選用的多源數(shù)據(jù)所包含的內(nèi)容信息如4.1.1 節(jié)所示，劃分其中70%的樣本作為訓(xùn)練集，30%樣本用來測試，并以準(zhǔn)確率、精確率、召回率和F1 分?jǐn)?shù)作為模型評價指標(biāo)。為了控制變量，均采取50 個epoch 作為每個網(wǎng)絡(luò)的訓(xùn)練批次。

不同預(yù)測方法的準(zhǔn)確率比較結(jié)果如表3 所示，本文方法取得了最高的準(zhǔn)確率，為95.1%，與基于普通VGG 的方法相比，準(zhǔn)確率提高了1.9 個百分點，也優(yōu)于傳統(tǒng)的機(jī)器學(xué)習(xí)方法（SVM）和其他圖像識別模型（AlexNet）。這是因為，單純的VGG 沒有充分融入一天內(nèi)的污染物濃度擴(kuò)散過程；而后兩種方法在捕獲轉(zhuǎn)折點變化信號時，過分注重整體趨勢，往往會忽略一些小的短期濃度波動，準(zhǔn)確率更低。

表3 不同預(yù)測方法的準(zhǔn)確率比較 單位：%Tab.3 Accuracy comparison of different methods unit：%

污染物濃度隨著長期的濃度循環(huán)變化，短期波動也會很大，基于CPM 的卷積神經(jīng)網(wǎng)絡(luò)預(yù)測方法可以捕捉更細(xì)粒度上的濃度變化信息。在精確率、召回率和F1 分?jǐn)?shù)指標(biāo)上，不同方法對PM2.5濃度上升、下降和不變情況的預(yù)測結(jié)果對比如表4 所示，本文方法同樣取得了最好的結(jié)果。SVM 模型預(yù)測精確率高于AlexNet 模型，但召回率卻較低，這是因為，SVM 在尋找重要的污染物濃度趨勢轉(zhuǎn)折點時更有效，但卻沒辦法捕獲一些小的趨勢變化信號，存在一定的滯后現(xiàn)象。VGG 在捕獲短期濃度變化信號時表現(xiàn)敏感，但會產(chǎn)生過擬合的現(xiàn)象。

表4 不同方法對PM2.5濃度變化情況的預(yù)測對比Tab.4 Comparison of different methods for predicting change of PM2.5 concentration

顯然，基于CPM 設(shè)計的卷積神經(jīng)網(wǎng)絡(luò)模型表現(xiàn)出的性能明顯優(yōu)于基于普通時間序列的其他網(wǎng)絡(luò)。因此，將股票分析中被廣泛應(yīng)用的K 線圖應(yīng)用到大氣污染物分析領(lǐng)域，不僅能完整保存數(shù)據(jù)信息，還能夠充分提取大氣污染擴(kuò)散過程中污染物濃度變化過程的局部變化信息，從而為大氣污染物濃度趨勢變化提供指導(dǎo)。

5 結(jié)語

提高大氣污染物的預(yù)測精度是大氣環(huán)境監(jiān)測領(lǐng)域面臨的重要任務(wù)。目前，眾多的污染物濃度預(yù)測模型都未曾充分提取原始數(shù)據(jù)的變化特征，也無法融入大氣擴(kuò)散機(jī)制。因此，本文提出了一種基于燭臺圖時空聚類的深度學(xué)習(xí)預(yù)測方法。實驗訓(xùn)練數(shù)據(jù)集由一組時間序列數(shù)據(jù)構(gòu)建而成，其中包括歷史PM2.5濃度數(shù)據(jù)、相關(guān)污染物數(shù)據(jù)以及氣象關(guān)聯(lián)參數(shù)。首先，利用燭臺圖形式化表示污染物擴(kuò)散周期性變化；然后，通過濃度模式匹配融入大氣物理擴(kuò)散機(jī)制；最后，結(jié)合其余情景參數(shù)，通過卷積神經(jīng)網(wǎng)絡(luò)VGG 提取局部特征，并進(jìn)行趨勢預(yù)測。

通過實驗對本文方法的整體性能進(jìn)行了評估，并與基于傳統(tǒng)的時間預(yù)測模型（AlexNet）、普通的機(jī)器學(xué)習(xí)模型（SVM）以及不結(jié)合燭臺圖的深度學(xué)習(xí)模型（VGG）的方法進(jìn)行了比較。結(jié)果表明，本文方法的準(zhǔn)確率、精確率、召回率和F1 分?jǐn)?shù)均取得了最好的結(jié)果。燭臺圖簡潔直觀、立體感強(qiáng)，還能夠全面透徹地觀察到污染物濃度的真正變化，將K 線分析技術(shù)應(yīng)用到大氣污染領(lǐng)域，具有很高的實用性。

但本文方法僅預(yù)測了污染物未來的濃度水平變化，還無法預(yù)測下一個具體的濃度水平。因此，未來將進(jìn)一步分析PM2.5的長期依賴特征提取，以捕捉大氣污染物的濃度變化行為。