全文链接：http://tecdat.cn/?p=30131
最近咱们被客户要求撰写对于空气质量指数的钻研报告，包含一些图形和统计输入。
最近咱们被客户要求撰写对于上海空气质量指数的钻研报告。本文向大家介绍R语言对上海PM2.5等空气质量数据 间的相干剖析和预测剖析，次要内容包含其应用实例，具备肯定的参考价值，须要的敌人能够参考一下
相干剖析（correlation analysis）是钻研景象之间是否存在某种依存关系，并对具体有依存关系的景象探讨其相干方向以及相干水平，是钻研随机变量之间的相干关系的一种统计办法。分类:
· 线性相关剖析：钻研两个变量间线性关系的水平,用相关系数r来形容。罕用的三种计算形式有Pearson相关系数、Spearman和Kendall相关系数。
· 偏相关剖析：当两个变量同时与第三个变量相干时，将第三个变量的影响剔除，只剖析另外两个变量之间相干水平的过程。如管制年龄和工作教训的影响，预计工资收入与受教育程度之间的相干关系。
在变量较多的简单状况下，变量之间的偏相关系数比简略相关系数更加适宜于刻画变量之间的相关性。
PM2.5细颗粒物指环境空气中空气动力学当量直径小于等于2.5微米的颗粒物。它能较长时间悬浮于空气中，其在空气中含量浓度越高，就代表空气污染越重大。与较粗的大气颗粒物相比，PM2.5粒径小，面积大，活性强，易附带有毒、有害物质（例如，重金属、微生物等），且在大气中的停留时间长、输送距离远，因此对人体衰弱和大气环境品质的影响更大。
pydat2=read.csv("上海市_05.csv",header=T)pydat3=read.csv("上海市_06.csv",header=T) head(pydat)head(pydat2) attach(pydat) plot(pydat[,c(8:10)], col=品质等级)#画出变量相干图 col=品质等级)#画出变量相干图 col=品质等级)#画出变量相干图下面的图中不同色彩代表不同的空气质量地区，从所有变量的两两关系散点图来看，能够看到pm2.5和pm10的关系图能够比拟好的辨别出不同空气质量的地区。并且他们之间存在正相干关系。
对数据进行聚类
plot(hc1, main="档次聚类") border = "red")对数据进行档次聚类后，依据谱系图能够发现，所有样本大略能够分成5个类别。因而，后续对数据进行kmean聚类。
点击题目查阅往期内容
R语言空气污染数据的天文空间可视化和剖析：颗粒物2.5（PM2.5）和空气质量指数（AQI）
左右滑动查看更多
01
02
03
04
剔除缺失值
plot(pydat[,8:12], col =km$cluster, main="聚类后果1") main="聚类后果2") main="聚类后果3")通过kmeans的可视化后果来看，kmeans办法比拟好的将所有样本点辨别开来，其中绿色的样本点各项指标值较低，红色样本点各项指标值较高，蓝色和彩色样本点次要在O3，NO2 等指标上有较显著的区别。为了具体比拟每个类的指标，上面对每个类的数据特色进行形容。
#每个类中的空气质量状况par(mfrow=c(3,4)) boxplot(pydat[,8]~pydat[,23])#聚类后果和pm2.5的关系 从下面的箱线图，能够看到每个类别的特色，第一类O3值较高，第二个类PM2.5的值较高，第三个类pm2.5，NO值较低，第4类O3程度较低，PM10值较高，第五类的各个指标值都绝对较低。因而第5个类别空气质量比拟好。其余各个类别的地区在不同指标上有不同特色。
par(mfrow=c(2,3))hist(as.numeric(pydat[km$cluster==1,6])) 再看每个类中空气质量程度的频率，能够看到第一个类的地区空气质量程度大多在良好程度，第二个类地区程度档次不齐，第3个类空气质量程度在4居多，因而空气质量较差，第4个类别2,3居多，因而良好，第5个类大多地区集中在1-3，因而空气质量最好。
unique(pydat[pydat[,23]==5,4]) unique(pydat[pydat[,23]==1,4]) [1] 十五厂 虹口 徐汇上师大 杨浦四漂 青浦淀山湖 [7] 静安监测站 浦东川沙 浦东新区监测站 浦东张江 12 Levels: 虹口 静安监测站 美国领事馆 普陀 浦东川沙 浦东新区监测站 浦东张江 ... 杨浦四漂> unique(pydat[pydat[,23]==2,4]) [1] 杨浦四漂 浦东新区监测站 徐汇上师大 静安监测站 青浦淀山湖 虹口 [7] 十五厂 浦东川沙 浦东张江 普陀 12 Levels: 虹口 静安监测站 美国领事馆 普陀 浦东川沙 浦东新区监测站 浦东张江 ... 杨浦四漂> unique(pydat[pydat[,23]==3,4]) [1] 十五厂 虹口 徐汇上师大 杨浦四漂 青浦淀山湖 [7] 静安监测站 浦东川沙 浦东新区监测站 浦东张江 12 Levels: 虹口 静安监测站 美国领事馆 普陀 浦东川沙 浦东新区监测站 浦东张江 ... 杨浦四漂> unique(pydat[pydat[,23]==4,4]) [1] 虹口 静安监测站 十五厂 浦东新区监测站 浦东张江 [7] 徐汇上师大 青浦淀山湖 杨浦四漂 浦东川沙 普陀 12 Levels: 虹口 静安监测站 美国领事馆 普陀 浦东川沙 浦东新区监测站 浦东张江 ... 杨浦四漂> unique(pydat[pydat[,23]==5,4])[1] 普陀 静安监测站12 Levels: 虹口 静安监测站 美国领事馆 普陀 浦东川沙 浦东新区监测站 浦东张江 ... 杨浦四漂工夫序列剖析
###对AQi值进行工夫序列剖析 plot.ts(mynx1)指数平滑法
plot.ts(train)plot.ts(mynxSMA3)plot.ts(mynxSMA10)对工夫序列进行平滑后，能够看到数据有较稳固的稳定趋势。
#画出原始工夫序列和预测的plot(mynxforecasts)mynxforecasts$SSE失去红色的拟合数据和彩色的原始数据，能够看到模型拟合较好。
预测
mynxforecasts2plot.forecast(mynxforecasts2)lines(mynx1)#原始数据预测比照应用该模型对数据进行拟合，能够看到测试集的数据基本上再预测的置信区间之内。
向后预测90天
mynxforecasts2plot.forecast(mynxforecasts2)而后对将来的数据进行预测额，能够失去预测的区间。
因为后续预测的数值区间较大，因而咱们应用arima模型进行拟合，测试成果。
arima模型
plot(pre)#绘制预测数据prev=train-residuals(fit3)#原始数据pre$mean#每天的预测均值lines(prev,col="red")#拟合原始数据同样失去拟合和预测的值，红色代表拟合的样本点，彩色代表原始的样本点，前面的代表预测的数据和置信区间，能够看到样本拟合的情况较好，预测的区间比指数平滑法要准确。
数据获取
在公众号后盾回复“空气数据”，可收费获取残缺数据。
点击文末 “浏览原文”
获取全文残缺代码数据资料。
本文选自《R语言剖析上海空气质量指数数据：kmean聚类、档次聚类、工夫序列剖析：arima模型、指数平滑法》。
点击题目查阅往期内容
R语言散布滞后非线性模型（DLNM）空气污染钻研温度对死亡率影响建模利用
Python中的ARIMA模型、SARIMA模型和SARIMAX模型对工夫序列预测
Python用RNN神经网络：LSTM、GRU、回归和ARIMA对COVID19新冠疫情人数工夫序列预测
数据分享|PYTHON用ARIMA ，ARIMAX预测商店商品销售需要工夫序列数据
Python用RNN神经网络：LSTM、GRU、回归和ARIMA对COVID19新冠疫情人数工夫序列预测
【视频】Python用LSTM长短期记忆神经网络对不稳固降雨量工夫序列进行预测剖析|数据分享
深度学习实现自编码器Autoencoder神经网络异样检测心电图ECG工夫序列spss modeler用决策树神经网络预测ST的股票
Python中TensorFlow的长短期记忆神经网络(LSTM)、指数挪动平均法预测股票市场和可视化
RNN循环神经网络 、LSTM长短期记忆网络实现工夫序列长期利率预测
联合新冠疫情COVID-19股票价格预测：ARIMA，KNN和神经网络工夫序列剖析
深度学习：Keras应用神经网络进行简略文本分类剖析新闻组数据
用PyTorch机器学习神经网络分类预测银行客户散失模型
PYTHON用LSTM长短期记忆神经网络的参数优化办法预测工夫序列洗发水销售数据
Python用Keras神经网络序列模型回归拟合预测、准确度检查和后果可视化
R语言深度学习卷积神经网络 (CNN)对 CIFAR 图像进行分类：训练与后果评估可视化
深度学习：Keras应用神经网络进行简略文本分类剖析新闻组数据
Python用LSTM长短期记忆神经网络对不稳固降雨量工夫序列进行预测剖析
R语言深度学习Keras循环神经网络(RNN)模型预测多输入变量工夫序列
R语言KERAS用RNN、双向RNNS递归神经网络、LSTM剖析预测温度工夫序列、 IMDB电影评分情感
Python用Keras神经网络序列模型回归拟合预测、准确度检查和后果可视化
Python用LSTM长短期记忆神经网络对不稳固降雨量工夫序列进行预测剖析
R语言中的神经网络预测工夫序列：多层感知器（MLP）和极限学习机（ELM）数据分析报告
R语言深度学习：用keras神经网络回归模型预测工夫序列数据
Matlab用深度学习长短期记忆（LSTM）神经网络对文本数据进行分类
R语言KERAS深度学习CNN卷积神经网络分类辨认手写数字图像数据（MNIST）
MATLAB中用BP神经网络预测人体脂肪百分比数据
Python中用PyTorch机器学习神经网络分类预测银行客户散失模型
R语言实现CNN（卷积神经网络）模型进行回归数据分析
SAS应用鸢尾花(iris)数据集训练人工神经网络(ANN)模型
【视频】R语言实现CNN（卷积神经网络）模型进行回归数据分析
Python应用神经网络进行简略文本分类
R语言用神经网络改良Nelson-Siegel模型拟合收益率曲线剖析
R语言基于递归神经网络RNN的温度工夫序列预测
R语言神经网络模型预测车辆数量工夫序列
R语言中的BP神经网络模型剖析学生问题
matlab应用长短期记忆（LSTM）神经网络对序列数据进行分类
R语言实现拟合神经网络预测和后果可视化
用R语言实现神经网络预测股票实例
应用PYTHON中KERAS的LSTM递归神经网络进行工夫序列预测
python用于NLP的seq2seq模型实例:用Keras实现神经网络机器翻译
用于NLP的Python：应用Keras的多标签文本LSTM神经网络分类