中国团队两冠一亚包揽KDD CUP三项大奖，作者亲述技术细节(2)

评测指标 [原文来自：www.11jj.com]

每天，提交的结果将会和真实空气质量数据（也就是空气监测站测量的污染物浓度）比较，并根据Symmetric mean absolute percentage error评分：

[原创文章：www.11jj.com]

At 是真实值，Ft是预测值。

题目特点以及常用方法

空气质量相关预测问题相对比较新，涉及的领域包括环境科学、统计学、计算机科学，近年也有机器学习方面的研究工作。国内外多个网站，APP都有对空气质量预测的应用。现有的方法主要集中于统计学以及线性回归等机器学习模型，近年也有RNN相关的研究[1]，现有的模型主要预测时间段在8～24小时以内。

空气质量预测具有规律性弱，不稳定，易突变的特点。因为比赛要预测48小时时间序列以及北京／伦敦城市内几十个预测地点，建模更长的时间序列以及地理拓扑关系给机器学习模型带来挑战。

现有的方法针对的预测的时间段较短，没有基于位置拓扑以及利用天气预报进行建模，在机器学习尤其深度学习模型的运用也处于探索阶段。并且，由于比赛赛制每天需提交未来结果，相对于很多基于固定测试集的方案或比赛更接近真实工业界，对模型的稳定性以及迭代开销也有很多挑战。

 

比赛数据与数据分析

本题提供主要三方面数据：

空气质量数据, 主要包括以下几种重要的空气污染物：PM2.5, PM10, O3

天气气象数据：地理网格数据点的天气，温度，气压，湿度，风速，风向

未来48小时天气预报：与天气气象数据相同网格点的天气，温度，气压，湿度，风速，风向预报值

其中过去一年的数据有空气质量数据与天气数据，过去一个月的数据有天气预报数据。

首先，我们观察了北京站点2018年2月到5月之间的空气污染物(PM2.5)浓度变化情况，以北京奥体中心站点PM2.5为例，下图显示了PM2.5随时间的变化，从图中可以看出，北京的PM2.5浓度变化不定，最低能达到10以内，最高能达到350左右。并且在数小时就可以产生剧烈的变换，为预测增加了很大的难度。

特征工程