空氣品質(Air Quality)影響人體健康已成為全球性議題，不僅止於台灣而已，還包含世界各國，且近年來各國皆致力於改善空氣品質。由於過度開發造成空氣汙染，許多研究證實細懸浮微粒（Particulate Matter 2.5 micron size, PM2.5）是空氣汙染的頭號殺手，能夠引發人體呼吸系統造成心肺疾病，且導致環境的能見度下降，而空氣污染問題於台灣主要以中南部最為嚴重，因此本研究將焦點投射在雲林縣之空氣品質為主軸，探討雲林縣103~106年空氣品質概況以及構成空氣汙染的因素。
本研究著重在利用空氣汙染物因子、氣象因子、機動車輛數、工廠數，著手於多元的資料進行探討與分析雲林縣空氣品質之全面性研究，以資料探勘技術並結合R語言之數據分析工具，了解隱藏在資料中的意義，執行分為三個方向：(1)統計分析，利用R語言強大的統計能力、繪圖功能，來視覺化空氣品質狀況；(2)探索性分析，使用相關係數分析、關聯規則、決策樹分析出能導致空氣品質惡化之有關因素，以及使用時間序列建立中長期趨勢並預測未來趨勢；(3)預測模型，使用多元線性迴歸分析、決策樹、隨機森林建立機器學習預測模型。

Air Quality has become a global issue, affecting not only Taiwan, but also countries around the world. In recent years, countries have been committed to improving air quality. Due to over-exploitation caused by air pollution, many studies have confirmed that Particulate Matter 2.5 micron size (PM2.5) is the number one killer of air pollution, can cause heart and lung disease caused by the human respiratory system, and lead to a decline in environmental visibility. The problem is that Taiwan is mainly the most serious in the south-central region. Therefore, this study focuses on the air quality of Yunlin County as the main axis, and discusses the air quality profile of Yunlin County from 103 to 106 years and the factors that constitute air pollution.
This study focuses on the use of air pollutant factors, meteorological factors, number of motor vehicles, the number of factories, and explores and analyzes the comprehensive research on air quality in Yunlin County with data from multiple sources. Data exploration technology combined with R language data analysis Tools to understand the meaning hidden in the data, the implementation is divided into three directions:
The first, statistical analysis, using the powerful statistical capabilities of the R language, drawing function to visualize the air quality. The second, exploratory analysis, use related Coefficient analysis, Association Rules, Decision Trees analyzes factors that can lead to deterioration of air quality, and use time series to establish mid- and long-term trends and predict future trends. The third, predictive models, using a multiple linear regression analysis, Decision Trees, Random Forests to build machines learning the predictive model.

摘要......i
Abstract......ii
誌謝......iii
目錄......iv
表目錄......viii
圖目錄......ix
第一章 緒論......1
1.1 研究背景......1
1.2 研究動機......4
1.3 研究目的......6
1.4 研究流程......7
第二章 文獻探討......8
2.1 巨量資料......8
2.1.1 資料大爆炸......8
2.1.2 資料的特性......12
2.1.3 大數據分析......15
2.2 資料探勘......18
2.2.1 資料探勘定義......18
2.2.2 資料探勘架構......19
2.2.3 資料探勘模式與方法......20
2.3 空氣品質......24
2.3.1 空氣品質指標的定義......24
2.3.2 空氣品質指標(AQI)......26
2.3.3 空氣品質與健康影響和活動建議......27
2.3.4 空氣品質與各項汙染物......28
2.3.5 懸浮微粒(Particulate Matter, PM)......30
2.4 R語言......31
2.4.1 R語言起源......31
2.4.2 R語言應用與發展......33
第三章 研究方法......34
3.1 研究架構......34
3.2 資料來源與描述......37
3.3 資料清理......38
3.4 影響因素分析......40
3.4.1 相關係數......40
3.4.2 關聯規則......41
3.4.3 決策樹-CART......42
3.4.4 時間序列......43
3.5 機器學習預測模型......44
第四章 資料分析......47
4.1 系統環境與分析工具......47
4.2 數據觀察......48
4.3 數據統計......64
4.3.1 汙染物年平均濃度......64
4.3.2 細懸浮微粒各年狀況資訊......68
4.3.3 各種污染物與機動車輛、工廠關聯......70
4.4 影響因素分析......77
4.4.1 相關係數分析......77
4.4.2 關聯規則......83
4.4.3 決策樹......103
4.5 時間序列......110
4.6 機器學習預測模型......119
4.6.1 預測模型分析結果......119
4.6.2 模型擬合圖與樹狀圖......136
4.6.3 相對重要性變量......148
第五章 結論與建議......150
5.1 研究結論與建議......150
5.2 研究限制......153
5.3 未來研究建議......153
參考文獻......154
附錄......160
Extended Abstract......166

Jewel(2015)。巨量資料的時代，用「大、快、雜、疑」四字箴言帶你認識大數據。【線上論壇】。取自 https://www.inside.com.tw/2015/02/06/big-data-1-origin-and-4vs
skydome20(2016)。R筆記 – (16) Ensemble Learning(集成學習)。取自http://rpubs.com/skydome20/R-Note16-Ensemble_Learning
skydome20(2016)。R筆記–(5)初聲試啼-簡單的資料分析(迴歸分析)。取自http://rpubs.com/skydome20/R-Note5-First_Practice
中華人民共和國生態環境部科技標準司(2012)。環境空氣品質指數（AQI）技術規定（試行）（HJ 633—2012）。取自http://kjs.mee.gov.cn/hjbhbz/bzwb/jcffbz/201203/W020120410332725219541.pdf
內政部戶政司(2017)。鄉鎮土地面積及人口密度。取自https://www.ris.gov.tw/app/portal/346
王文淵(2010)。六輕兩次火災事件聲明稿。台塑關係企業。取自http://www.efpg.tw/html/news/news_20100730_2.htm
王宏仁、辜雅蕾(2011)。巨量資料來襲。【線上論壇】。取自 http://www.ithome.com.tw/node/68277
王派洲（譯）（2008）。資料探勘:概念與方法（原作者：J. Han & M. Kamber）。台中市：滄海書局。
王顗婷.(2009). 台灣中部空品區秋冬期間之大氣超細微粒數量 濃度粒徑分佈及排放源研究. 中國醫藥大學職業安全衛生學系博士班學位論文, 1-139.
世界衛生組織(2005)。關於懸浮粒子、臭氧、二氧化氮和二氧化硫的空氣品質準則。取自http://apps.who.int/iris/bitstream/10665/69477/3/WHO_SDE_PHE_OEH_06.0 2_chi.pdf
台南市政府環境保護局(2018)。認識細懸浮微粒。取自http://www.tnepb.gov.tw/mode02.asp?m=201803091725021&t=sub
交通部中央氣象局(2015)。「大雨」及「豪雨」定義。取自http://www.cwb.gov.tw/V7/observe/rainfall/define.htm
交通部中央氣象局(2018)。大氣中的水氣。取自http://www.cwb.gov.tw/V7/knowledge/encyclopedia/me013.htm
交通部中央氣象局(2018)。溫度分布圖。取自http://www.cwb.gov.tw/V7/observe/temperature/
交通部中央氣象局(2018)。蒲福風級。取自http://www.cwb.gov.tw/V7/knowledge/encyclopedia/me016.htm
交通部公路總局(2018)。機動車輛登記數。取自https://stat.thb.gov.tw/hb01/webMain.aspx?sys=100&funid=11100
行政院環保署(2018)。認識紫外線。取自https://taqm.epa.gov.tw/taqm/tw/b12081.aspx
行政院環境保護署(2012)。空氣品質標準。取自https://web.archive.org/web/20141021085145/http://ivy5.epa.gov.tw/epalaw/docfile/040060.pdf
行政院環境保護署(2017)。行政院環境保護署年報。取自https://www.epa.gov.tw/public/Attachment/872410443567.pdf
行政院環境保護署(2018)。空氣品質監測網。取自https://taqm.epa.gov.tw/taqm/tw/default.aspx
李玉章.(2015). 電信運營商大數據發展研究. 互聯網天地, (4), 12-14.
汪惜今. (2017). 淺析氣象大數據的未來應用服務趨勢. 信息通信, (4), 290-291.
孟梓良. (2017). 大數據 “5V” 特點下的歷史研究——以山西史研究為例. 齊齊哈爾師範高等專科學校學報, (2), 71-73.
空氣品質改善維護資訊網(2018)。酸雨資訊。取自https://air.epa.gov.tw/EnvTopics/AirQuality_5.aspx
段小平,陳娜, &周玲. (2008).空氣污染與糖尿病,心血管疾病患者日死亡率. 國外醫學:醫學地理分冊 , 29 (4), 173-176.
范素瑋(2009)。R language簡介(上)。國立台灣大學計算機及資訊網路中心電子報，第9期。取自http://www.cc.ntu.edu.tw/chinese/epaper/0009/20090620_9005-1.htm
徐瑞珠（譯）（2017）。認識資料科學的第一本書。（原作者：A. Maheshwari）。台北市：碁峰資訊。
莊秉潔、郭珮萱、古鎧禎、鄭逸瑋、李泓錡(2015)。PM2.5與石化產業。取自https://www.dropbox.com/s/02ej05qrc7mdiml/PM2.5%E8%88%87%E7%9F%B3%E5%8C%96%E7%94%A2%E6%A5%AD.pdf?dl=0&fb=1&fb_action_ids=10206486688071155&fb_action_types=dropboxdropbox:add
許中駿(2014)。台灣霾害成因、境外汙染影響及兩岸空品管制交流契機。台灣經濟研究月刊，37卷5期，70~76。
郭志隆、張芳菱（譯）（2008）。資料探勘（原作者：D. Olson & Y. Shi）。台北市：麥格羅希爾。
陳育群、李偉強(2016)。醫療大數據:健保資料庫之臨床應用與研究。台灣醫學，20卷6期，602~608。
陳澤, 梅博, 郝丹丹, & 劉文. (2015). 大數據時代下的衛生數據價值判斷標準探討. 信息安全與技術, (12), 27-30.
經濟部統計處(2018)。工廠校正及營運統計。取自https://dmz26.moea.gov.tw/GMWeb/investigate/InvestigateG.aspx
董俞佳(民107年3月26日)。空品變好還是霧茫茫 恐因PM1，聯合新聞網，取自 https://udn.com/news/index。
廖述賢、溫志皓(2009)。資料採礦與商業智慧。台北市:雙葉書廊。
劉玉山(2016)。智慧決策與大數據資訊應用—觀念性架構與研究議題建構。東亞論壇季刊，494期，55~68。
衛生福利部統計處(2017)。106年國人死因統計結果。取自https://www.mohw.gov.tw/cp-3795-41794-1.html
謝瑞豪, 李睿桓, & 詹長權. (2016). 台灣大氣中 PM_ (2.5) 污染濃度和汙染源的時空分布. 台灣醫學, 20(4), 367-376.
簡禎富、許嘉裕(2017)。資料挖礦與大數據分析。新北市:前程文化。
蘇元和(2015年4月7日)。致癌髒空氣，全台PM2.5超標大揭露。YAHOO新聞。取自https://tw.news.yahoo.com/
ANKIT CHOUDHARY(2018). Generate Quick and Accurate Time Series Forecasts using Facebook’s Prophet (with Python & R codes). Retrieved from https://www.analyticsvidhya.com/blog/2018/05/generate-accurate-forecasts-facebook-prophet-python-r/
Aydin, G., Hallac, I. R., & Karakus, B. (2015). Architecture and implementation of a scalable sensor data storage and analysis system using cloud computing and big data technologies. Journal of Sensors, 2015.
Chen, T. F., Chang, K. H., & Tsai, C. Y. (2014). Modeling direct and indirect effect of long range transport on atmospheric PM2.5 levels. Atmospheric Environment, 89, 1-9.
Chiu, C. Y. & Zhang, Z. (2017).The air quality evaluation based on gas sensor array. 2017 China Semiconductor Technology International Conference (CSTIC), 1-5. IEEE. DOI: 10.1109/CSTIC.2017.7919896
Choi, T. M., Chan, H. K., & Yue, X. (2017). Recent development in big data analytics for business operations and risk management. IEEE transactions on cybernetics, 47(1), 81-92.
Chu, Y. H., Kao, S. W., Tantoh, D. M., Ko, P. C., Lan, S. J., & Liaw, Y. P. (2018). Association between fine particulate matter and oral cancer among Taiwanese men. Journal of Investigative Medicine, jim-2016.
Gu, D., Li, J., Li, X., & Liang, C. (2017). Visualizing the knowledge structure and evolution of big data research in healthcare informatics. International journal of medical informatics, 98, 22-32.
IDC(2007). The Expanding Digital Universe. An IDC White Paper - sponsored by EMC. Retrieved from http://www.emc.com/collateral/analyst-reports/expanding-digital-idc-white-paper.pdf
IDC(2008). The Diverse and Exploding Digital Universe. An IDC White Paper - sponsored by EMC. Retrieved from http://www.emc.com/collateral/analyst-reports/diverse-exploding-digital-universe.pdf
IDC(2011). Extracting Value from Chaos. An IDC White Paper - sponsored by EMC. Retrieved from http://www.emc.com/collateral/about/news/idc-emc-digital-universe-2011-infographic.pdf
John Gantz and David Reinsel(2012). THE DIGITAL UNIVERSE IN 2020: Big Data, Bigger Digi tal Shadows, and Biggest Growth in the Far East. An IDC White Paper - sponsored by EMC. Retrieved from https://www.emc.com/collateral/analyst-reports/idc-the-digital-universe-in-2020.pdf
Laney, D. (2001). 3D data management: Controlling data volume, velocity and variety. META group research note, 6(70), 1.
Lave, L. B., & Seskin, E. P. (1973). An analysis of the association between US mortality and air pollution. Journal of the American Statistical Association, 68(342), 284-290.
Pope III, C. A., Burnett, R. T., Thun, M. J., Calle, E. E., Krewski, D., Ito, K., & Thurston, G. D. (2002). Lung cancer, cardiopulmonary mortality, and long-term exposure to fine particulate air pollution. Jama, 287(9), 1132-1141.
Walker, M. (2012). Data Veracity [Web blog message]. Retrieved from http://www.datasciencecentral.com/profiles/blogs/data-veracity
World Health Organization (2016). Ambient air pollution: A global assessment of exposure and burden of disease. Retrieved from http://apps.who.int/iris/bitstream/handle/10665/250141/9789241511353-eng.pdf;jsessionid=A6270ABA416B149AEBF82AA172D896E5?sequence=1
World Health Organization (2018). 9 out of 10 people worldwide breathe polluted air, but more countries are taking action. Retrieved from http://www.who.int/news-room/detail/02-05-2018-9-out-of-10-people-worldwide-breathe-polluted-air-but-more-countries-are-taking-action