[Example] identification of pollution sources example and update doc (P…

…addlePaddle#1050)

* [Example] identification of pollution sources example and update doc

* [Example] identification of pollution sources example and update doc

docs/zh/examples/iops.md

@@ -0,0 +1,299 @@
+# Identification of Pollution Sources (IOPS)
+
+## 背景简介
+随着城市化进程的加速和工业化的发展，空气污染成为全球面临的严重环境问题之一。污染物的来源复杂且多样，既包括工业排放、交通运输、燃煤等传统污染源，也有农业、建筑工地等其他潜在的污染源。这些污染物对人类健康、生态系统及气候变化造成了深远的影响。因此，准确识别污染源及其溯源，已成为环境保护和公共健康管理的重要课题。
+
+污染源识别 是指通过监测数据、模型分析等手段，识别出空气污染的主要来源。传统的污染源识别方法往往依赖于单一的监测数据，如监测站点的污染物浓度数据，结合一定的物理化学模型进行推算。然而，单一的数据来源可能无法全面反映污染的复杂性，特别是在不同污染源交织的情况下，难以精确区分各个污染源的贡献。
+
+污染源溯源（源解析）则是通过对空气污染物浓度的空间和时间分布进行分析，推断污染源的具体位置、排放强度及传播路径。污染源溯源技术通常结合环境监测、气象数据、化学物质的扩散模型以及大数据分析技术，进一步提升溯源的准确性与精确度。
+
+近年来，随着高精度传感器、遥感技术、机器学习与大数据分析的快速发展，污染源识别与溯源研究得到了显著进展。通过多维度数据的融合（如 PM2.5、NO2、SO2、CO 等污染物浓度数据、气象数据、地理信息数据等），结合先进的人工智能算法，能够更准确地解析污染物的空间分布与来源特征。这些新兴技术不仅为政府和相关部门提供了有力的决策支持，也为污染防治政策的制定与优化提供了科学依据。
+
+污染源识别与溯源的精确化，不仅有助于提升环境质量监控与治理的效果，还能够为环保政策的实施、污染控制措施的部署、以及污染事件的预警和应急响应提供重要的数据支持和科学指导。
+
+
+
+---
+
+## 1. 项目概述
+
+本项目使用 **PaddleScience** 训练一个多层感知机（MLP）模型，来预测基于环境污染物浓度（PM2.5, PM10, SO2, NO2, CO）分类的污染类型。具体的流程包括数据预处理、模型构建、训练、评估和预测。
+
+模型通过优化训练参数，使用类别权重平衡等机制、实现了95%+的分类准确率
+
+---
+
+## 2. 环境准备
+
+### 2.1 安装依赖库
+
+在开始之前，确保你已经安装了 **PaddlePaddle** 库。如果尚未安装，请通过以下命令安装：
+
+```bash
+pip install paddlepaddle paddlepaddle-gpu
+
+```
+
+### 2.2 数据准备
+
+该项目的目标是基于环境污染物浓度预测污染类型。数据集格式如下：
+
+| PM2.5 | PM10 | SO2 | NO2 | CO  | Pollution Type |
+| ----- | ---- | --- | --- | --- | -------------- |
+| 28    | 52   | 3   | 46  | 0.5 | 偏粗颗粒型     |
+| ...   | ...  | ... | ... | ... | ...            |
+
+数据保存在 `.xlsx` 文件中，包含五个污染物浓度字段（PM2.5, PM10, SO2, NO2, CO）以及污染类型标签。
+
+---
+
+## 3. 数据预处理
+
+### 3.1 读取和处理数据
+
+使用 **Pandas** 来读取 `.xlsx` 文件，并进行数据预处理，包括标签编码和特征标准化。
+
+```python
+import pandas as pd
+from sklearn.model_selection import train_test_split
+from sklearn.preprocessing import LabelEncoder, StandardScaler
+
+# 读取数据
+df = pd.read_excel('./trainData.xlsx')
+
+# 标签编码
+label_encoder = LabelEncoder()
+df['pollution_type'] = label_encoder.fit_transform(df['pollution_type'])
+
+# 特征和标签
+X = df[['PM2.5', 'PM10', 'SO2', 'NO2', 'CO']].values
+y = df['pollution_type'].values
+
+# 标准化特征
+scaler = StandardScaler()
+X_scaled = scaler.fit_transform(X)
+
+# 划分训练集和测试集
+X_train, X_test, y_train, y_test = train_test_split(X_scaled, y, test_size=0.2, random_state=42, stratify=y)
+```
+
+### 3.2 特征标准化与标签编码
+
+- **特征标准化**：使用 `StandardScaler` 对污染物浓度数据进行标准化，确保各特征在同一尺度上进行训练。
+- **标签编码**：使用 `LabelEncoder` 将污染类型标签转换为数字，以便进行分类训练。
+
+---
+
+## 4. MLP 模型构建
+
+我们使用 **PaddleScience** 的 `MLP` 类来定义多层感知机模型。
+
+```python
+import paddlescience as ppsci
+
+# 构建 MLP 模型
+model = ppsci.arch.MLP(
+    input_keys=["input"],          # 输入键
+    output_keys=["output"],        # 输出键
+    input_dim=5,                   # 输入特征维度
+    output_dim=len(label_encoder.classes_), # 输出分类数
+    num_layers=3,                  # 网络层数
+    hidden_size=64,                # 隐藏层单元数量
+    activation="ReLU"              # 激活函数
+)
+```
+
+### 4.1 模型参数说明
+
+- **input_dim**：输入层维度，对应特征数。
+- **output_dim**：输出层维度，对应分类数（污染类型的种类数）。
+- **num_layers**：模型的层数，建议设置为 3 层。
+- **hidden_size**：隐藏层神经元的数量，64 是常见的初始值。
+- **activation**：激活函数，常用的有 `"ReLU"`，此处使用 `ReLU` 激活函数。
+
+---
+
+## 5. 模型训练
+
+### 5.1 设置训练参数
+
+```python
+import paddle
+import paddle.optimizer as optim
+from sklearn.utils.class_weight import compute_class_weight
+
+# 转换为 Paddle tensor
+X_train_tensor = paddle.to_tensor(X_train, dtype='float32')
+y_train_tensor = paddle.to_tensor(y_train, dtype='int64')
+X_test_tensor = paddle.to_tensor(X_test, dtype='float32')
+y_test_tensor = paddle.to_tensor(y_test, dtype='int64')
+
+# 计算类别权重
+class_weights = compute_class_weight('balanced', classes=np.unique(y), y=y)
+class_weights_tensor = paddle.to_tensor(class_weights, dtype='float32')
+
+# 损失函数（加入类别权重）
+loss_fn = paddle.nn.CrossEntropyLoss(weight=class_weights_tensor)
+
+# 优化器
+optimizer = optim.Adam(parameters=model.parameters(), learning_rate=0.001)
+```
+
+### 5.2 训练过程
+
+```python
+# 训练模型
+epochs = 100
+batch_size = 32
+patience = 10
+best_val_loss = float('inf')
+early_stop_count = 0
+
+for epoch in range(epochs):
+    model.train()
+    indices = np.random.permutation(len(X_train_tensor))
+    X_train_tensor = X_train_tensor[indices]
+    y_train_tensor = y_train_tensor[indices]
+
+    for i in range(0, len(X_train_tensor), batch_size):
+        X_batch = X_train_tensor[i:i+batch_size]
+        y_batch = y_train_tensor[i:i+batch_size]
+
+        # 前向传播
+        logits = model(X_batch)
+        loss = loss_fn(logits, y_batch)
+
+        # 反向传播和优化
+        loss.backward()
+        optimizer.step()
+        optimizer.clear_gradients()
+
+    # 验证阶段
+    model.eval()
+    with paddle.no_grad():
+        val_logits = model(X_test_tensor)
+        val_loss = loss_fn(val_logits, y_test_tensor).numpy()
+        val_predictions = paddle.argmax(val_logits, axis=1).numpy()
+        val_accuracy = np.mean(val_predictions == y_test)
+
+    print(f"Epoch [{epoch+1}/{epochs}], Train Loss: {loss.numpy():.4f}, Val Loss: {val_loss:.4f}, Val Accuracy: {val_accuracy * 100:.2f}%")
+
+    # 早停机制
+    if val_loss < best_val_loss:
+        best_val_loss = val_loss
+        early_stop_count = 0
+        paddle.save(model.state_dict(), 'best_model.pdparams')
+    else:
+        early_stop_count += 1
+        if early_stop_count > patience:
+            print("早停机制触发，停止训练")
+            break
+```
+
+### 5.3 早停机制
+
+- **早停**：用于避免模型在验证集上的过拟合，当验证损失不再下降时停止训练。
+- **训练输出**：每个 epoch 输出训练损失、验证损失和验证准确度。
+
+---
+
+## 6. 模型评估
+
+### 6.1 加载最佳模型
+
+```python
+# 加载最佳模型
+model.set_state_dict(paddle.load('best_model.pdparams'))
+```
+
+### 6.2 测试集评估
+
+```python
+# 测试集评估
+model.eval()
+with paddle.no_grad():
+    test_logits = model(X_test_tensor)
+    test_predictions = paddle.argmax(test_logits, axis=1).numpy()
+
+# 分类报告
+from sklearn.metrics import classification_report
+print(classification_report(y_test, test_predictions, target_names=label_encoder.classes_))
+```
+
+- **分类报告**：通过 `classification_report` 输出每个类别的准确率、召回率和 F1 分数。
+
+
+模型的损失曲线、准确率曲线与混淆矩阵如下：
+
+![混淆矩阵](https://www.craes-air.cn/official/confusion_matrix.png)
+
+![损失曲线与准确率](https://www.craes-air.cn/official/forecast.png)
+
+---
+
+## 7. 模型保存与部署
+
+### 7.1 保存模型参数
+
+```python
+# 保存模型参数
+paddle.save(model.state_dict(), 'pollution_model.pdparams')
+```
+
+### 7.2 保存特征标准化器与标签编码器
+
+```python
+import pickle
+
+# 保存特征标准化器
+with open('scaler.pkl', 'wb') as f:
+    pickle.dump(scaler, f)
+
+# 保存标签编码器
+with open('label_encoder.pkl', 'wb') as f:
+    pickle.dump(label_encoder, f)
+```
+
+### 7.3 加载模型和数据
+
+```python
+# 加载模型参数
+model.set_state_dict(paddle.load('pollution_model.pdparams'))
+
+# 加载特征标准化器和标签编码器
+with open('scaler.pkl', 'rb') as f:
+    scaler = pickle.load(f)
+
+with open('label_encoder.pkl', 'rb') as f:
+    label_encoder = pickle.load(f)
+```
+
+---
+
+## 8. 测试样本预测
+
+```python
+# 测试样本
+test_sample = [[28, 52, 3, 46, 0.5]]  # PM2.5, PM10, SO2, NO2, CO
+
+# 标准化样本
+test_sample_scaled = scaler.transform(test_sample)
+
+# 转换为 Paddle tensor
+test_sample_tensor = paddle.to_tensor(test_sample_scaled, dtype='float32')
+
+# 模型预测
+with paddle.no_grad():
+    prediction = model(test_sample_tensor)
+    predicted_class = paddle.argmax(prediction, axis
+
+=1).numpy()[0]
+
+# 显示预测结果
+predicted_label = label_encoder.inverse_transform([predicted_class])[0]
+print(f"预测的污染类型为: {predicted_label}")
+```
+
+- **预测样本**：使用标准化后的输入数据进行预测，并输出污染类型标签。
+
+---