基于自适应样本扩充的PM2.5污染预测方法及设备

本发明提供一种基于自适应样本扩充的PM2.5污染预测方法及设备，该方法包括：S1：获取目标预测区域不同时刻的PM2.5浓度数据及环境数据集构成初始样本数据集；S2：预处理环境数据集，提取与PM2.5浓度相关特征，进行筛选后得到相关特征集合；S3：以相关特征集合为约束，计算样本相似度构建矩阵，聚类得到样本类别与数量；S4：将初始样本数据集切分输入对抗网络训练，生成对抗网络模型；S5：依样本类别数量，使用模型生成新样本；S6：扩充样本集后训练机器学习模型得到PM2.5浓度预测模型。本发明能够生成高质量的PM2.5数据扩充样本，改善训练样本数据分布平衡性，提升PM2.5污染预测的准确性和可靠性。