1.一种基于社区划分的空气质量指数预测的方法，其特征在于，包括如下步骤：(1)对气象因素和污染物因素的数据集进行处理，得到整理后的气象因素数据集和污染物因素数据集；

(2)计算任意两个城市间关于气象因素的相似度，得到各城市间的相似度矩阵；

(3)通过社区划分的方法，将跟目标城市相似性较高的城市归为一个社区；

(4)根据周边城市的污染物因素建立预测模型，进行预测。

2.根据权利要求1所述的一种基于社区划分的空气质量指数预测的方法，其特征在于，所述步骤(1)中对气象因素和污染物因素的数据集进行处理的具体步骤如下：(1.1)对数据进行筛选，选取一段连续的数据；

(1.2)选取气压、2分钟平均风速、温度、相对湿度这四种数据，选择空气质量指数AQI所需要的六种污染物因素：一氧化碳CO、二氧化氮NO2、臭氧O3、PM10、PM2.5、二氧化硫SO2；

(1.3)对数据进行归一化，得到气象因素数据矩阵Bi'和污染物因素数据集Ai'，其中i表示城市的标号；归一化后的气象因素数据集表示为 归一化后的污染物因素数据集表示为 其中，t表示时间，i表示城市的标号，X表示气象因素，Y表示污染物因素， 表示城市i第t天第1种气象因素的值， 表示城市i第t天第1种污染物因素的值。

3.根据权利要求1所述的一种基于社区划分的空气质量指数预测的方法，其特征在于，所述步骤(2)中计算任意两个城市间关于气象因素的相似度的具体步骤如下：(2.1)城市m和n的气象因素矩阵分别表示为B'm和B'n；

(2.2)通过余弦相似度算法，计算任意两个城市m和n在不同时间t的气象因素的相似度sim(B'm,B'n)，公式如下所示：其中k表示第k种气象因素，xkt表示城市m在t时间第k种气象因素的值，ykt表示城市n在t时间第k种气象因素的值；

t-l+1

(2.3)给第t天的气象因素相似度一个系数ρ ，使得越靠近第t+1的气象因素占比越重，考虑时间因素后，任意两个城市m和n间的相似度记为SA(m,n),公式如下所示：其中t表示一个常数，l∈t；

(2.4)把求得的任意两个城市m和n的相似度组合成一个关于城市间相似度矩阵SA。

4.根据权利要求1所述的一种基于社区划分的空气质量指数预测的方法，其特征在于，所述步骤(3)中通过社区划分的方法，将跟目标城市相似性较高的城市归为一个社区的具体步骤如下：(3.1)使用K-means算法对城市间相似度矩阵SA进行划分；

(3.2)定义循环变量k,k∈[1,R]；

(3.3)k表示社区划分的个数，在k值变化的过程中，计算划分后相对应的社区的模块度；

*

(3.4)计算得到模块度的最大值Q，其对应的k’值使得划分后的社区结构较好；

(3.5)通过k’值得到和目标城市在一个社区的z个城市。

5.根据权利要求1所述的一种基于社区划分的空气质量指数预测的方法，其特征在于，所述步骤(4)中根据周边城市的污染物因素建立预测模型的具体步骤如下：(4.1)目标城市a关于Y个污染物因素的矩阵为Aa(Y)；

(4.2)考虑目标城市的周边城市j对目标城市a空气质量指数的影响，结合目标城市和周边城市的相似度，得到周边城市j和目标城市a的综合的污染物矩阵W(a,j),公式如下所示；

W(a,j)＝SA(a,j)*Aa(Y)

(4.3)通过步骤(4.2)，求得目标城市a周边z个城市对目标城市a的影响；

(4.4)统一量纲，得到一个关于目标城市和周边城市的矩阵A(Y)；

其中，a表示目标城市，j表示跟目标城市在同一个社区内的周边城市，SA(a,j)表示目标城市a和周边城市j之间的相似度；

(4.5)通过非线性回归方程y＝a sinθ(bx+c)+d进行建模，x和y分别表示时间和污染物，a、b、c、和d是该曲线在拟合过程中需要求得的未知数；

(4.6)矩阵A(Y)中每一列代表一种污染物，把A(Y)的每一列代入y，x是y对应的行数，求得a、b、c、和d四个未知数，分别求出六个污染物的预测值；

(4.7)计算空气质量指数的值：

污染物因素A的空气质量分指数计算公式如下：

AQI＝max{IAQIA}

其中，IAQIA表示污染物因素A的空气质量分指数，CA表示污染物因素A的质量浓度值，BPHi表示表1中与CA相近的污染物浓度限值的高位值，BPLo表示表1中与CA相近的污染物浓度限值的低位值，IAQIHi表示表1中与BPHi对应的空气质量分指数，IAQILo表示表1中与BPLo对应的空气质量分指数。