基于深度学习的AQI监测APP

数媒竞赛获奖作品信息及简介
作品名称基于深度学习的AQI监测APP
团队成员

“基于深度学习的AQI监控APP”是一款专门针对全国各城市AQI(空气质量)进行实时监测的移动端应用系统。

系统主要实现了AQI实时监测、历史数据查询、未来24小时/15天预测、AQI成因分析、健康建议等功能。具体流程为:数据采集模块通过打包数据和聚合数据API接口获取AQI、PM2.5、PM10、SO2 、CO、NO2、O3、城市、日期等数据;然后,将数据传给数据中心的HDFS文件系统(预测AQI所需的数据)及HBASE数据库(全部AQI及天气数据);接着,基于TensorFlow的深度学习算法对HDFS上的AQI历史数据进行分析,输出未来24小时及15天的预测值并更新HBASE;最后,监控APP将读取HBASE数据库并进行皮尔逊成因分析及展示。

系统通过保存、定期更新神经网络模型保证预测的实时性及准确性。由于深度学习训练时间较长,因而采取训练后保存模型,预测时直接读取模型的方法提高实时性;另一方面,考虑到AQI数据的不断更新会带来模型随时间推移精确度下降的问题,所以采用定期更新模型的方法(每5天、10天等周期天数后的晚上12点后对历史数据进行自我学习并更新模型),对于准确度低于85%的模型,表明系统的自我学习已无法满足准确性要求,因而数据中心会自动发短信通知维护人员进行人工干预,从而保证了预测的准确性。