基于ConvLSTM的伦敦空气质量预测(1) 数据处理_convlstm 污染 代码

基于ConvLSTM的伦敦空气质量预测(1) 数据处理

实验介绍

该实验使用了ConvLSTM模型，对伦敦地区的空气质量进行了时序预测。数据集来源于开源库openair。实验的目标是预测Bloomsbury的空气污染物数值。同时，也利用了Harlington, North Kensington, Marylebone 和Eltham这四个空气质量监测站的数据作为辅助预测。数据的属性有8个，分别为：NOX, NO2, NO, O3, PM2.5, 风速，风向和空气温度。

除了使用ConvLSTM, 该实验还使用了普通LSTM, BiLSTM, Attention+LSTM, LightGBM 和ARIMA进行预测。具体内容可以在github上进行查看：air_pollutants_prediction_lstm。

数据处理

1. 读取数据。因为我的所有数据都是放在谷歌云端的。所以挂载云端读取数据

Bloomsbury=pd.read_csv('/content/drive/My Drive/air_inference/data/Bloomsbury.csv')
Eltham=pd.read_csv('/content/drive/My Drive/air_inference/data/Eltham.csv')
Harlington=pd.read_csv('/content/drive/My Drive/air_inference/data/Harlington.csv')
Marylebone_Road=pd.read_csv('/content/drive/My Drive/air_inference/data/Marylebone_Road.csv')
N_Kensington=pd.read_csv('/content/drive/My Drive/air_inference/data/N_Kensington.csv')
1
2
3
4
5

2. 存放变量。用于后续的操作

sites_name=['Bloomsbury','Eltham','Harlington','Marylebone_Road','N_Kensington']
air_pollutants_list=['nox','no2','no','o3','pm2.5','ws','wd','air_temp']

sites_dic={
   'Bloomsbury':Bloomsbury,
               'Eltham':Eltham,
                'Harlington':Harlington,
                'Marylebone_Road':Marylebone_Road,
                'N_Kensington':N_Kensington             
               }
1
2
3
4
5
6
7
8
9
10

3. 把数据展示出来。会发现存在很多空值

 def show_graph(site):
  dataset=sites_dic[site]
  values = dataset.values

  columns = [4, 5, 6, 7, 8, 9, 10, 13]

  pyplot.figure(figsize=(14,14</
1
2
3
4
5
6