2013年-2022年最新全国328个城市的AQI数据，包含PM2.5、PM10、SO2、NO2、O3、CO六类大气污染物。可用于统计建模数据分析，科研学习。 数据来源：中国气象历史数据 时间跨度：历史数据更新至2022年 区域范围：全国 指标说明：包括PM2.5、PM10、SO2、NO2、O3、CO六类大气污染物 数据时间 2013-2022.03.31

2015年-2021年最新全国328个城市的逐月月AQI数据，包含PM2.5、PM10、SO2、NO2、O3、CO六类大气污染物。可用于统计建模数据分析，科研学习。 数据来源：中国气象历史数据 时间跨度：历史数据更新至2021年 区域范围：全国 指标说明：包括PM2.5、PM10、SO2、NO2、O3、CO六类大气污染物 数据时间 2015.01-2021.11

空气质量预测 近年来，空气污染急剧增加，并且对所有生物造成的影响更糟。 世界上大多数国家都在与日益增加的空气污染水平作斗争。 因此，控制和预测空气质量指数已成为必要。 在此研究项目中，我们将实施数据挖掘和机器学习模型来预测AQI并将AQI归类。 对于AQI预测，我们已经实现了五个回归模型主成分，偏最小二乘法，留一维CV的主成分，留一维CV的偏最小二乘，多个印度城市的多元回归AQI数据。 根据AQI的值，AQI指数进一步分为6个不同的类别，即“好，满意，中，差，非常差和严重”。 为了预测AQI桶，我们使用重复CV分类算法开发了三种分类模型，分别是多项式Lo​​gistic回归和K最近邻和K最近邻。 来自印度不同城市的空气质量数据集，具有留一法交叉验证的PLS模型。

AQI标准颜色对应，包含颜色转化的三色图，这是空气质量颜色标准显示。

python 空气质量AQI 数据分析与预测----用到的库，数据集，数据清洗-附件资源

内含世界各国某些城市2015年空气质量指数，如Ngawa Prefecture、Aksu City、Ngari等城市的AQI、降水量、经纬度、海拔高度、GDP等多种属性数据，下载可供做为预测与机器学习训练集使用

针对徐州雾霾情况，通过搜集徐州市2017年365天的日空气质量指数AQI数据，其9个相关影响变量数据（包括风力，机动车保有量，火电厂、炼钢厂、炼焦厂平均各排口每小时各主要污染物的排放量），在MATALB中采用多元线性回归方法建立了模型、参数估计和模型检验，并在已得模型的基础上剔除不显著的变量和样本异常值,经过两次改进，由九元线性模型简化为四元线性模型。通过拟合优度检验、显著性检验、多重共线性诊断和异常值残差诊断后，绘制出拟合对比图，验证了所得四元线性回归模型的准确性和实用性。

"# predict_aqi" ##空气质量指数预测： 1. spider_city.py 爬虫爬去北京空气质量指数数据 2. train.py 训练数据 (使用线性回归模型) ，并保存模型 3. predict.py 加载模型并预测 4. 加载数据并将数据预处理. #data "# predict_aqi"

AQI计算公式

空气质量指数 做 AQI 预测