摘要
在对2017年A地地区气象数据进行对比分析后发现影响A地地区霾等级的主要因素有以下七个:气温、气压、相对湿度、露点温度、地面U风、地面V风以及PM2.5浓度。上述的七项主要因素是影响A地区霾等级的属性特征,将霾的等级划分当作标志量,以此来构建样本集合,再用KNN数据挖掘算法来构建划分霾等级的预报分类器,从而进行试验。得到如下结论:当K=3时该分类器的预报效果最佳,准确度高达88.2%。基于该算法构建的KNN模型预报无霾时准确度很高,达91.8%,且对于雾霾的空报率也较低,但对霾等级的预报精确度还有待改善。
引文
[1]温荣坤.基于偏微积分分类数学模型的关联挖掘改进技术[J/OL].现代电子技术,2018(13):95-99.
[2]潘燕.关联规则下的数据挖掘算法分析[J].信息记录材料,2018(07):212-213.
[3]米保全.数据挖掘技术在高职院校教学管理中的应用[J/OL].软件导刊,2018(8):1-4.
[4]严嘉维,张琛,李成蹊,等.基于Hadoop的可信计算平台日志分析模型[J/OL].软件导刊,2018.
[5]孙金鑫.数据挖掘中的关联规则的研究[J].智能计算机与应用,2018,8(03):132-135.
[6]熊亚军,徐敬,孙兆彬,等.基于数据挖掘算法和数值模拟技术的大气污染减排效果评估[J/OL].环境科学学报,2019,39(1):116-125.
[7]李博.APRIORI数据挖掘算法在商务智能中的应用[J].电脑迷,2018(07):155-156.
[8]查道贵,许彩芳,杨秋菊.基于数据挖掘的民间艺术资料管理系统设计[J].长春师范大学学报,2018(06):101-106.
[9]关翠玲.数据挖掘技术在高校思想政治教育中的运用[J].微型电脑应用,2018,34(06):50-52.