基于传感器数据的城市空气质量预测与污染源分类

项目名称：基于传感器数据的城市空气质量预测与污染源分类

创新点：结合时间序列预测（回归）与污染源分类（多标签分类），使用公开API获取实时数据。

项目目标

1. 预测未来6小时的空气质量指数（AQI）。
2. 根据传感器数据判断可能的污染源类型（如工业排放、交通尾气、扬尘等）。

数据集来源

• 数据获取：通过开放API实时抓取（如 OpenAQ、AirNow 或国内公开的城市空气质量平台）。
• 特征示例：
  • PM2.5、PM10、SO2、NO2、CO、O3的实时浓度
  • 气象数据（温度、湿度、风速、风向）
  • 时间戳（小时级）
  • 地理位置（可选，需脱敏）

技术实现步骤

1. 环境准备

# 安装依赖库（部分需根据API调整）
pip install requests pandas numpy scikit-learn xgboost plotly folium

2. 数据获取与清洗

import requests
import pandas as pd

# 示例：从OpenAQ API获取数据（需替换为真实API密钥）
def fetch_air_quality(city="Beijing", days=30):
    url = f"https://api.openaq.org/v2/measurements?city={city}&parameter=pm25&date_from=2023-01-01&limit=1000"
    response = requests.get(url)
    data = response.json()
    
    # 转换为DataFrame并清洗
    df = pd.DataFrame([{
        'timestamp': item['date']['local'],
        'pm25': item['value'],
        'latitude': item['coordinates']['latitude'],
        'longitude': item['coordinates']['longitude']
    } for item in data['results']])
    
    # 处理缺失值
    df['pm25'].fillna(df['pm25'].median(), inplace=True)
    return df

air_data = fetch_air_quality()
print(air_data.head())

3. 特征工程

# 时间特征提取
air_data['timestamp'] = pd.to_datetime(air_data['timestamp'])
air_data['hour'] = air_data['timestamp'].dt.hour
air_data['day_of_week'] = air_data['timestamp'].dt.dayofweek

# 添加滞后特征（用于时间序列预测）
air_data['pm25_lag6'] = air_data['pm25'].shift(6)  # 6小时前的PM2.5值
air_data.dropna(inplace=True)

4. 污染源分类（多标签分类）

from sklearn.ensemble import RandomForestClassifier

# 假设根据专家规则生成标签（此处为示例，需结合实际数据）
def assign_pollution_source(row):
    if row['pm25'] > 150 and row['no2'] > 40:
        return 'industry'
    elif row['pm10'] > 100 and row['wind_speed'] < 2:
        return 'dust'
    else:
        return 'traffic'

# 加载真实数据后生成标签
# air_data['source'] = air_data.apply(assign_pollution_source, axis=1)

# 分类模型训练
X = air_data[['pm25', 'pm10', 'no2', 'so2', 'wind_speed']]
y = air_data['source']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

clf = RandomForestClassifier()
clf.fit(X_train, y_train)
print("Classification Accuracy:", clf.score(X_test, y_test))

5. AQI预测（时间序列回归）

from xgboost import XGBRegressor
from sklearn.metrics import mean_absolute_error

# 特征与目标
features = ['pm25_lag6', 'hour', 'day_of_week', 'temperature', 'humidity']
target = 'pm25'

# 训练模型
reg = XGBRegressor()
reg.fit(X_train[features], y_train)
predictions = reg.predict(X_test[features])

print("MAE:", mean_absolute_error(y_test, predictions))

6. 可视化与部署

# 使用Plotly动态展示预测结果
import plotly.express as px

fig = px.line(x=X_test['timestamp'], y=[y_test, predictions], 
              labels={'value': 'PM2.5', 'variable': 'Type'},
              title="Real vs Predicted PM2.5")
fig.show()

# 部署为简单API（Flask示例）
from flask import Flask, request, jsonify

app = Flask(__name__)
@app.route('/predict', methods=['POST'])
def predict():
    data = request.json
    prediction = reg.predict([data['features']])
    return jsonify({"predicted_aqi": prediction[0]})

if __name__ == '__main__':
    app.run()

项目亮点

1. 数据原创性：通过API实时获取数据，避免使用常见静态数据集。
2. 多任务学习：同时解决回归（预测AQI）和分类（污染源识别）问题。
3. 实用价值：可直接部署为空气质量预警系统。
4. 技术综合：涵盖数据抓取、时间序列处理、多模型融合。

扩展方向

• 添加地理位置可视化（如用folium生成污染热力图）。
• 结合LSTM模型提升时间序列预测精度。
• 开发自动化的数据管道（如使用Apache Airflow定期更新数据）。
• 增加异常检测模块识别传感器故障。