pm2.5浓度预测代码

以下是一个简单的PM2.5浓度预测代码，使用线性回归模型：

import pandas as pd
from sklearn.linear_model import LinearRegression

# 读取数据
data = pd.read_csv('pm25.csv')

# 准备训练数据，包括特征和标签
X = data[['TEMP', 'PRES', 'DEWP', 'RAIN', 'WSPM']].values
y = data['PM2.5'].values

# 创建线性回归模型
model = LinearRegression()

# 训练模型
model.fit(X, y)

# 使用模型进行预测
# 假设我们有一组新的气象数据
new_data = [[23, 1005, 12, 0, 2],   # TEMP, PRES, DEWP, RAIN, WSPM
            [20, 1010, 5, 1, 3],
            [25, 1000, 15, 0, 1]]

# 预测这组数据的PM2.5浓度
predicted_pm25 = model.predict(new_data)

print(predicted_pm25)

上述代码中，我们使用了一个包含5个特征（温度、气压、露点、降雨和风速）和1个标签（PM2.5浓度）的数据集进行训练。然后，我们使用训练好的模型预测了新的气象数据的PM2.5浓度。