分形集成增强深度学习网络用于空气质量指数分析

《Frontiers in Artificial Intelligence》：Enhanced deep learning networks integrated by fractals for air quality index analysis

　　

引言：空气质量指数（AQI）提供关于室外空气质量的每日信息，并随空气排放增加而上升。准确的AQI分析与预测对于理解和治理空气污染至关重要。本研究开发了一个集成分形方法的深度学习框架，用于分析和预测AQI。方法：该框架由两个主要步骤组成。首先，使用分形插值技术对AQI数据进行预处理，以解决数据不一致问题。其次，利用长短期记忆网络（LSTM）、双向长短期记忆网络（BiLSTM）以及卷积神经网络与长短期记忆网络（CNN-LSTM）模型对预处理后的数据进行训练和测试，用于AQI预测。结果：使用印度五个主要城市的AQI数据对所提出的模型进行了评估。采用统计性能指标来评估和比较所开发模型的预测性能。讨论：分形插值与深度学习的集成提供了一个处理AQI数据不一致性并改善空气质量分析与预测的框架。所开发的分形集成深度学习模型展示了其在所选印度主要城市进行AQI预测的适用性。

**论文解读文章**

**研究背景与问题**
空气污染是导致全球过早死亡的主要风险因素之一，每年约导致810万人死亡，并引发呼吸系统疾病、心脏病、癌症及中风。空气质量指数（Air Quality Index, AQI）作为量化空气质量的指标，通过整合多种污染物浓度（如CO、SO₂、NO₂、PM₁₀、PM_2.5、O₃等）提供健康影响评估，是制定污染控制政策的重要依据。然而，AQI时间序列数据常存在缺失值、高度不规则性和非线性波动，传统预处理方法（如线性插值、多项式插值）可能抑制局部变化，难以捕捉数据的内在复杂性。现有深度学习模型（如LSTM、BiLSTM、CNN-LSTM）虽已用于AQI预测，但缺乏针对数据预处理阶段保留自相似性和复杂结构的方法。因此，研究人员提出一种结合分形插值（Fractal Interpolation）与深度学习网络的集成框架，以提升AQI预测的准确性和鲁棒性。该研究发表在《Frontiers in Artificial Intelligence》。

**主要关键技术方法**
研究采用以下关键技术：
1. **分形插值函数（Fractal Interpolation Function, FIF）**：基于迭代函数系统（Iterated Function System, IFS）生成自相似、高度不规则的数据点，以处理缺失数据并保留时间序列的局部波动和非线性特征。垂直缩放因子α_k通过优化公式（4）选取，确保|α_k|<1满足压縮条件。
2. **长短期记忆网络（Long Short-Term Memory, LSTM）**：包含遗忘门、输入门和输出门，有效捕捉时间序列的长程依赖关系。
3. **双向长短期记忆网络（Bidirectional LSTM, BiLSTM）**：结合前向和后向LSTM层，同时利用历史和未来信息增强学习能力。
4. **卷积神经网络-长短期记忆网络（CNN-LSTM）**：使用1D卷积层和池化层提取局部特征，再通过LSTM层建模时序依赖。
评估指标采用均方根误差（RMSE）、归一化均方根误差（NRMSE）、平均绝对误差（MAE）、平均绝对百分比误差（MAPE）、归一化平均绝对百分比误差（NMAPE）和决定系数（R²）。样本数据来自印度中央污染控制委员会（Central Pollution Control Board, CPCB）的五个主要城市（德里、法里达巴德、博帕尔、斋浦尔、勒克瑙），时间跨度为2017年1月至2025年3月，共3011个日度样本。

**研究结果**

**4.1 分形预处理**
研究人员采用分形插值函数将原始3011个样本点扩展至百万级数据点（迭代次数为2），同时保留原始数据的不规则性和自相似模式。通过计算预处理后AQI时间序列的分形维数，定量评估了各城市数据的复杂度：德里（1.3331）、法里达巴德（1.3452）、博帕尔（1.3712）、斋浦尔（1.3757）、勒克瑙（1.3745）。非整数分形维数表明AQI分布具有分形特征，且德里维数最低，反映其分布相对规则但峰值更高。

**4.2 深度学习模型实现**
LSTM模型采用单层100个神经元（tanh激活），BiLSTM使用双向100神经元层，CNN-LSTM包含64个滤波器的1D卷积层（ReLU激活）和最大池化层，随后接入100神经元LSTM层。所有模型均使用Adam优化器，训练50个epoch，批量大小32，并采用0.2的dropout防止过拟合。数据按80%训练、20%测试划分。

**4.3 预测结果与性能评估**
在五个城市中，分形预处理后的模型（F-LSTM、F-BiLSTM、F-CNN-LSTM）相比未预处理模型（LSTM、BiLSTM）在预测曲线与实测曲线拟合度上显著提升。以德里为例，F-CNN-LSTM的RMSE为1.0142，MAE为0.8011，R²达0.9998；F-LSTM在法里达巴德表现最优（MAE=0.6204，R²=0.9997）；F-BiLSTM在斋浦尔表现最佳（MAE=0.5706，R²=0.9994）。箱线图与散点图进一步验证了分形集成模型预测误差更小，且实际值与预测值高度一致。

**4.4 Wilcoxon检验分析**
采用Wilcoxon符号秩检验对模型进行两两比较，所有p值均小于0.05，表明F-LSTM、F-BiLSTM、F-CNN-LSTM之间的性能差异具有统计学显著性。在德里，F-CNN-LSTM的MAE最低（0.8011），排名最优；在法里达巴德、博帕尔和勒克瑙，F-LSTM表现最佳；在斋浦尔，F-BiLSTM表现最优。

**讨论与结论**
讨论部分指出，分形集成深度学习模型在AQI预测中展现出显著优越性，但存在局限性：预测精度受数据集质量、时间特征及分形缩放因子选择影响；当前研究仅聚焦印度五个高污染城市，需在更多地理区域和气候条件下验证。未来可引入气象变量等影响因素，并采用优化算法自适应选择缩放因子以提升模型鲁棒性。

**结论部分**（翻译）：空气质量对公共健康、工业可持续性和环境风险快速响应具有重大影响，而准确的空气质量指数预测对于高效环境管理和监测至关重要。本研究提出了三个分形集成深度学习模型——F-LSTM、F-BiLSTM和F-CNN-LSTM，用于印度高污染城市（德里、法里达巴德、博帕尔、斋浦尔、勒克瑙）的AQI预测。通过数据预处理过程阐明了分形与深度学习集成的目的。使用RMSE、NRMSE、MAE、MAPE、NMAPE和R²比较了F-LSTM、F-BiLSTM和F-CNN-LSTM的独立性能，结果显示高决定系数R²。凭借优越性能，所提出的集成模型未来可进一步与机器学习模型（如门控循环单元）结合扩展。在分形技术方面，可采用不同分形插值函数及优化缩放公式以获得更好结果。此外，由于分形技术能生成大规模数据集，可将其用于扩充任何小型真实数据集，并与任何混合模型结合以提高AQI预测的有效性。在所提出的分形集成框架中，垂直缩放参数在允许范围内依据标准分形插值约束条件选取。尽管结果显示了所提方法的优越性，但更优的缩放因子选择可进一步提升预测性能。因此，可开发基于优化的方法，在满足|α_k|<1条件下寻找合适缩放参数，同时减少插值和预测误差，增强所提出的AQI预测框架的灵活性和鲁棒性。