一种气象影响下的大气污染转变关系定量估计方法技术

本发明专利技术提供一种气象影响下的大气污染转变关系定量估计方法，该方法基于大气污染和气象条件的历史数据，通过层次化挖掘多种关键气象因素对大气污染的影响，实现不同水平大气污染转变发生可能性估计。首先建立大气污染和气象数据的基础样本库，在此基础上，确定影响大气污染的关键气象因素，进而依据关键气象因子相似判别，多层次挖掘相似样本集，最后，基于相似样本集实现对估计日不同污染变化程度的估计。通过此方法能够获得不同污染变化发生可能性概率的精细化定量结果。

A quantitative estimation method of air pollution transformation relationship under meteorological influence

The present invention provides a quantitative estimation method of atmospheric pollution transition relationship under the influence of meteorology. The method is based on the historical data of atmospheric pollution and meteorological conditions, and excavate the influence of various key meteorological factors on the atmosphere pollution by stratification, so as to realize the possibility estimation of the change of air pollution at different levels. The basic sample base of air pollution and meteorological data is set up. On this basis, the key meteorological factors that affect the air pollution are determined, and then the similar sample sets are excavated at multilevel according to the similarity discrimination of key meteorological factors. Finally, based on the similarity sample set, the estimation of the degree of different pollution changes with the estimated date is realized. By this method, we can get the refined quantitative results of probability of occurrence of different pollution changes.

【技术实现步骤摘要】
一种气象影响下的大气污染转变关系定量估计方法
本专利技术涉及环境大数据挖掘
，具体为一种气象影响下的大气污染转变关系定量估计方法。
技术介绍
大气污染主要受气象、污染源排放等因素影响，在污染源较为稳定的时期内，气象条件是影响大气污染发生变化的主要影响因素。表征气象条件的因素众多，其对大气污染变化的影响复杂多变，使得大气污染变化受气象的影响难以准确估计，给面向高污染过程的大气污染预测估计带来了挑战。目前常用的估计方法主要有基于污染扩散过程模拟的数值方法和数据驱动方法两大类。随着大气污染监测网络发展带来更多的研究数据，数据驱动方法的力量逐渐超于数值方法，主要有线性回归、非线性回归等回归拟合方法，以及神经网络、小波分析、支持向量机、贝叶斯网络等挖掘方法。其中回归拟合方法中对于气象影响关系的表征比较宏观，往往是求取气象因素与大气污染之间的相关系数，单一因子影响贡献程度等宏观结果。对多因子综合影响作用表征不准确。而智能数据驱动方法，其计算过程一般是将多种气象因子影响关系模糊化，往往难以精细解析多种气象因素综合影响大气污染的复杂关系，也使得最终估计结果不确定性较大且难以溯源。另外，目前的方法能够实现的是对未来污染状态的估计，并未实现对大气污染转变关系发生可能性估计。因此，为提高污染预测能力，需要一种能够清楚挖掘气象条件对大气污染的影响作用，实现大气污染转变关系定量估计的方法。
技术实现思路
本专利技术的目的是克服上述现有技术的缺点，提供一种气象影响下的大气污染转变关系定量估计方法，该方法基于大气污染和气象因素的历史数据，通过层次化挖掘多种关键气象因素对大气污染的影响，实现对不同水平大气污染转变发生可能性估计。本专利技术是通过以下技术方案来实现的：气象影响下的大气污染转变关系定量估计方法，具体步骤如下：1S.获取历史污染频发期的大气污染数据和气象数据，建立基础样本库。2S.确定影响大气污染变化的关键气象因素；所述的关键气象因素为分析所有气象因子对大气污染变化的影响作用，并分别计算气象因子与大气污染变化的相关性，选择影响作用强或相关性显著的因子作为关键气象因子。3S.基于关键气象因素，层次化挖掘相似样本集。4S.基于相似样本集，计算污染转变发生可能性概率矩阵。作为上述方案改进，所述的1S的具体步骤如下：1.1S.获取大气污染频发期的基础历史数据，确定研究区域的大气污染频发期，收集过去3年以上频发期污染监测数据，以及基本气象因子监测数据，建立大气污染频发期的基础历史数据集；大气污染通常指PM2.5等颗粒物污染、臭氧污染、氮氧化物污染、一氧化碳污染；基本的气象因子包括风向、风速、气温、相对湿度、降水量、大气压、天气形势。1.2S.建立大气污染因子和气象因子的参数状态化处理规则，对于大气污染因子，采集得到的初始监测数据通常为质量浓度数据，单位为μg/m3，对于每一个气象因子，依据相应等级划分国家标准定义各参数状态化处理规则；如果某一气象因子无相关等级划分的国家标准，则该气象因子监测数据直接可代表参数状态化结果；如果某一气象因子存在相关等级划分的国家标准，则将气象因子等级划分标准定义为状态化处理规则。1.3S.依据标准化处理规则，建立大气污染转变事件样本集；基于基础历史数据集，依据大气污染因子和气象因子的状态化处理规则，将大气污染因子监测数据和所有气象因子的监测数据进行标准状态化处理；以连续两日大气污染状态转变匹配后一日日期的各气象因子数据作为单位事件，建立大气污染转变事件集。作为上述方案的改进，所述的3S的层次化挖掘相似样本集为以大气污染转变事件集作为初始事件集，通过不同关键气象因子的逐层相似性判别，获取与估计日气象条件相似的相似样本集；具体流程为：3.1S.初始转变事件集进入第一层，根据第一层关键气象因子相似性判别，进行第一层相似事件提取，得到一级相似事件集。3.2S.一级相似事件集进入第二层，根据第二层关键气象因子的相似性判别，进行第二层相似事件提取，得到二级相似事件集。3.3S.顺序执行，直至完成所有关键气象因子的相似性判别，得到最终的相似事件集；其中各关键气象因子的相似性判别采用以下公式：提取的相似事件为满足以下条件的样本；△yi＝|yi估计-yi样本|≤yiset(1)公式中，yi估计为第i层因子在估计日的值，yi样本为第i层因子在样本中的值，△yi为第i层因子在估计日与样本数据的差值，yiset为设定的事件相似度判别阀值，其大小根据研究区域情况而定。作为上述方案的改进，所述的4S的基于相似样本集，计算污染转变发生可能性概率矩阵P，矩阵P的含义为：在估计日这一气象条件下，不同情况的大气污染转变的发生可能性；其具体形式如以下公式：公式(2)中，n为PM2.5污染状态的数目，由大气污染因子标准化处理规则中状态化数目决定；pij指连续两日大气污染从i状态向j状态转变的概率；矩阵中各概率元素估计方法为以下公式：公式(3)中，Mi为最终相似样本集中从i状态下发生的转变总数，mij为最终相似样本集中从i状态转向j状态的大气污染转变发生的个数；如果最终相似事件集中得到的Mi为0，则提取上一级相似事件集结果进行从i状态下发生的大气污染转变概率估计。本专利技术具有以下有益效果：本专利技术方法提出在技术方案之初首先建立对大气污染和气象因子的参数状态化处理规则，有利于建立的基础样本库更为标准化；其次，建立多种关键气象因子综合影响下的相似样本事件挖掘流程，精细地解析多种气象因子对大气污染变化影响的复杂效果，实现多种气象因子影响下PM2.5污染不同变化程度的定量估计。附图说明图1是本专利技术的定量估计方法的流程图。图2是本专利技术的多层次提取相似样本集并计算转变概率矩阵的流程图。具体实施方式实施例1气象影响下的大气污染转变关系定量估计方法，具体步骤如下：1S.获取历史污染频发期的大气污染数据和气象数据，建立基础样本库；其过程为：1.1S.获取大气污染频发期的基础历史数据，确定研究区域的大气污染频发期，收集过去3年以上频发期污染监测数据，以及基本气象因子监测数据，建立大气污染频发期的基础历史数据集；大气污染通常指PM2.5等颗粒物污染、臭氧污染、氮氧化物污染、一氧化碳污染；基本的气象因子包括风向、风速、气温、相对湿度、降水量、大气压、天气形势。1.2S.建立大气污染因子和气象因子的参数状态化处理规则，对于大气污染因子，采集得到的初始监测数据通常为质量浓度数据，单位为μg/m3，对于每一个气象因子，依据相应等级划分国家标准定义各参数状态化处理规则；如果某一气象因子无相关等级划分的国家标准，则该气象因子监测数据直接可代表参数状态化结果；如果某一气象因子存在相关等级划分的国家标准，则将气象因子等级划分标准定义为状态化处理规则。1.3S.依据标准化处理规则，建立大气污染转变事件样本集；基于基础历史数据集，依据大气污染因子和气象因子的状态化处理规则，将大气污染因子监测数据和所有气象因子的监测数据进行标准状态化处理；以连续两日大气污染状态转变匹配后一日日期的各气象因子数据作为单位事件，建立大气污染转变事件集。2S.确定影响大气污染变化的关键气象因素；所述的关键气象因素为分析所有气象因子对大气污染变化的影响作用，并分别计算气象因子与大气污染变化的相关性，选择影响作用本文档来自技高网...

【技术保护点】
1.气象影响下的大气污染转变关系定量估计方法，其特征在于，具体步骤如下：1S.获取历史污染频发期的大气污染数据和气象数据，建立基础样本库；2S.确定影响大气污染变化的关键气象因素；所述的关键气象因素为分析所有气象因子对大气污染变化的影响作用，并分别计算气象因子与大气污染变化的相关性，选择影响作用强或相关性显著的因子作为关键气象因子；3S.基于关键气象因素，层次化挖掘相似样本集；4S.基于相似样本集，计算污染转变发生可能性概率矩阵。

【技术特征摘要】
1.气象影响下的大气污染转变关系定量估计方法，其特征在于，具体步骤如下：1S.获取历史污染频发期的大气污染数据和气象数据，建立基础样本库；2S.确定影响大气污染变化的关键气象因素；所述的关键气象因素为分析所有气象因子对大气污染变化的影响作用，并分别计算气象因子与大气污染变化的相关性，选择影响作用强或相关性显著的因子作为关键气象因子；3S.基于关键气象因素，层次化挖掘相似样本集；4S.基于相似样本集，计算污染转变发生可能性概率矩阵。2.根据权利要求1所述的气象影响下的大气污染转变关系定量估计方法，其特征在于，所述的1S的具体步骤如下：1.1S.获取大气污染频发期的基础历史数据，确定研究区域的大气污染频发期，收集过去3年以上频发期污染监测数据，以及基本气象因子监测数据，建立大气污染频发期的基础历史数据集；大气污染通常指PM2.5等颗粒物污染、臭氧污染、氮氧化物污染、一氧化碳污染；基本的气象因子包括风向、风速、气温、相对湿度、降水量、大气压、天气形势；1.2S.建立大气污染因子和气象因子的参数状态化处理规则，对于大气污染因子，采集得到的初始监测数据通常为质量浓度数据，单位为μg/m3，对于每一个气象因子，依据相应等级划分国家标准定义各参数状态化处理规则；如果某一气象因子无相关等级划分的国家标准，则该气象因子监测数据直接可代表参数状态化结果；如果某一气象因子存在相关等级划分的国家标准，则将气象因子等级划分标准定义为状态化处理规则；1.3S.依据标准化处理规则，建立大气污染转变事件样本集；基于基础历史数据集，依据大气污染因子和气象因子的状态化处理规则，将大气污染因子监测数据和所有气象因子的监测数据进行标准状态化处理；以连续两日大气污染状态转变匹配后一日日期的各气象因子数据作为单位事件，建立大气污染转变...

【专利技术属性】
技术研发人员：余志，丁卉，刘永红，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东,44