集成自组织映射神经网络和k-means算法的工业园区天气分型方法和装置

集成自组织映射神经网络和k‑means算法的工业园区天气分型方法和装置，其方法包括：首先，利用空气质量监测数据和ERA5气象再分析数据构建初始数据集，并将数据转换为数值型并进行标准化，以确保特征数据具有均值为0和标准差为1的分布。接着，初始化自组织映射(SOM)模型，通过设置网格大小、sigma和学习速率等参数，对数据进行降维以获取二维特征表示。然后，初始化k‑means聚类模型，设定聚类数量和随机种子，使用`fit_predict()`方法对降维后的特征数据进行聚类分析，从而获得每个样本的聚类标签。在评估与可视化阶段，计算SSE、MSE、RMSE、轮廓系数和Calinski‑Harabasz指数等评估指标，以评价聚类效果和分离度。最后，将聚类标签添加到原始数据中，并使用小提琴图可视化分析各特征在不同聚类下的分布，为进一步分析提供直观依据。本发明通过SOM与k‑means模型的集成，显著提高小尺度工业园区臭氧浓度天气分型的精度，对高浓度臭氧天气有更精细更准确的划分。