一种面向环境空气质量的动态数据模拟预报方法技术

本发明专利技术涉及一种面向环境空气质量逐步回归的动态数据模拟预报方法，包括以下步骤：建立气象数据模板，包括四季以及每个季节对应的气象因子；建立污染物数据模板，包括多种大气污染物；建立每个空气质量检测站每个大气污染物对应的逐步回归方程；将实际的气象因子代入逐步回归方程得到大气污染物预报数值。本发明专利技术在实际空气质量预报中，可能会出现不同年份，同一季节，气象条件和污染物浓度情况类似的现象，在这样情况下预报人员可以利用模型选定类似情况年份数据资料，建立方程，这样可以提高方程实际利用价值，给日常的环境空气质量预报工作提供科学支持。

A dynamic data simulation and prediction method for ambient air quality

The invention relates to a dynamic data regression for ambient air quality simulation and forecast method, which comprises the following steps: the establishment of meteorological data template, including meteorological factors and corresponding seasons each season; the establishment of pollutant data template, including a variety of atmospheric pollutants; stepwise regression equation is established for each air quality inspection station of each corresponding meteorological atmospheric pollutants; the actual values of stepwise regression equation and obtain the numerical prediction of atmospheric pollutants. The present invention in the actual air quality forecast, may appear in different years, the same season, weather conditions and pollutant concentration is similar to the phenomenon in this case, forecasters can use the selected model similar year data, establish the equation, which can improve the actual use value equation, to provide scientific support to the environmental air quality forecast daily work.

【技术实现步骤摘要】
一种面向环境空气质量的动态数据模拟预报方法
本专利技术涉及环境空气质量预报领域，具体的说是一种面向环境空气质量的动态数据模拟预报方法。
技术介绍
空气，人类每天都呼吸着的“生命气体”，它分层覆盖在地球表面。空气质量的好坏，对人类的生活健康有着非常重要的影响，因此建立一个更准确、更具体、更科学的空气质量预报模型，对空气质量预报的研究具有重要的现实意义。近年来，随着全球环境气候的日益严峻,以及空气质量污染的情况频发，世界各国不断加大对环境保护的力度，面对如此形式，迫切需要通过环境信息化手段和空气质量预报能力的提高来为政府相关部门在保护环境、规划社会发展等方面提供决策所需要的信息支持。在已有的空气质量预报过程中，都是通过现有掌握的实时气象资料和凭借预报人员的工作经验人为的进行空气质量预报，但是这种预报方式没有考虑当前的污染物浓度实际情况和人为的影响因素，不能满足现在社会对空气质量预报的准确性、实时性、客观性的要求，因此建立一种面向环境空气质量的动态数据模拟预报方法是当今社会可持续发展的现实需求。
技术实现思路
针对上述技术不足，为了更好的支持空气质量预报工作，本专利技术提供一种面向环境空气质量的动态数据模拟预报方法，可以将每个季节对空气中污染物扩散有影响的气象因子和实时空气污染物的实际情况考虑进来，动态生成每个区域监测点位的预报数值，对实际的空气质量预报工作提供科学支持。本专利技术解决其技术问题所采用的技术方案是：一种面向环境空气质量逐步回归的动态数据模拟预报方法，包括以下步骤：步骤1)建立气象数据模板，包括四季以及每个季节对应的气象因子；步骤2)建立污染物数据模板，包括多种大气污染物；步骤3)根据气象数据模板和污染物数据模板建立每个空气质量检测站每个大气污染物对应的逐步回归方程；步骤4)将实际的气象因子代入逐步回归方程得到大气污染物预报数值。所述气象因子包括：前一日污染物浓度，当日天气形势，当日主导风向，当日平均风速，24小时风速变量，当日最低气温，最低气温24小时变量，当日最高气温，当日最高气温24小时变量，当日最高最低气温平均值，最高最低气温平均值24小时变量，850百帕08时温度，850百帕08时温度24小时变量，850百帕08时逆温，850百帕平均风速，当日降水量，湿度，8时湿度，08时变压，925mb08时温度，925mb08时温度24小时变量，925mb08时逆温，850mb温度场，850mb08时温度48小时变量，850mb08时变温趋势值，夜间云量，850mb平均风速，湿度，8时湿度。所述大气污染物包括：二氧化氮、二氧化硫、一氧化碳、臭氧一小时、可吸入颗粒物、细颗粒物。所述根据气象数据模板和污染物数据模板建立每个空气质量检测站每个大气污染物对应的逐步回归方程包括以下步骤：将气象因子和大气污染物通过逐步回归法得到回归均方与剩余均方之比F；将最接近设定值Fa的F值所对应的气象因子作为逐步回归方程的变量，得到逐步回归方程。当气象因子个数大于阈值范围上限时，提高F值且保证污染物的预报曲线与实测曲线的拟合率大于设定值，直到气象因子个数在阈值范围内为止；当气象因子个数小于阈值范围下限时，减小F值且保证污染物的预报曲线与实测曲线的拟合率大于设定值，直到气象因子个数在阈值范围内为止。所述逐步回归方程为：Y＝B0+B1X1+B2X2+……+BnXn其中，Y为污染物预报浓度，B0为常数项，B1、B2…Bn为选入因子系数；X1、X2…Xn为逐步回归方程的变量。本专利技术具有以下有益效果及优点：1.可细化。通过将每天实际的气象因子代入到用各个区域站点逐步回归方程中，计算出来的预报结果可详细到每个区域每个站点，对分析和预防区域环境空气质量的实际情况提供科学支持。2.可重复。不受时间、人为因素影响，根据预报数值与实际数值对比的拟合率对比，给定不同的F值，重复进行多次筛选气象因子，最终确定最佳的逐步回归方程。3.可更新。该方法可以根据实际环境空气质量预报工作实际需求，重新建立逐步回归方程。这样可以将更新的气象因子和污染物最新浓度数据，应用到逐步回归方程的建立中，提高预报的准确率。4.可设定。在实际空气质量预报中，可能会出现不同年份，同一季节，气象条件和污染物浓度情况类似的现象，在这样情况下预报人员可以利用模型选定类似情况年份数据资料，建立方程，这样可以提高方程实际利用价值，给日常的环境空气质量预报工作提供科学支持。附图说明图1为预报模型算法流程图。图2为导入气象因子模板示意图。图3为导入污染物数据模板示意图。图4为预报模型拟合曲线图。图5为预报模型验证曲线图。具体实施方式下面结合实施例对本专利技术做进一步的详细说明。本专利技术涉及一种面向环境空气质量的动态数据模拟预报方法。该方法主要是按其对因变量Y作用显著程度的大小，由大到小逐个引进回归方程，那些对因变量Y作用不显著的变量自始至终都不能被引入回归方程，而已被引进回归方程的变量，在引进新变量后，常有可能会由显著变为不显著，这样要从回归方程中剔除，以保证在众多预报因子中挑选出最佳的组合因子，建立最优预报方程。然后，依据每天实际气象条件和实际的污染物浓度情况，输入方程计算出第二天的空气质量预报值。本专利技术所采用的技术方案包括以下步骤：步骤1：准备样本数据资料。按照季节、时段、污染物为类别进行样本数据准备，每个季节的时间跨度为三个月，春季为3至5月、夏季为6至8月、秋季为9至11月、冬季为12至2月，常规的预报六种污染物为：二氧化氮(NO2)、二氧化硫(SO2)、一氧化碳(CO)、臭氧一小时(O3)、可吸入颗粒物(PM10)、细颗粒物(PM2.5)。步骤2：建立逐步回归方方程。以逐步回归算法为基础，建立逐步回归预报模型，用已经准备好的样本数据对每个季节对应气象因子进行筛选，将对因变量Y显著程度大的气象因子引如方程中。最终建立以季节、区域站点、每个污染物为单元的逐步回归方程。步骤3：对建立的逐步回归方程进行实际检验。通过将已有的气象因子实际数据代入到已建立好的逐步回归方程中进行计算，将计算的预报结果和实际监测的污染物数据进行对比，对预报准确率不高的方程重新调整F值大小，筛选气象因子建立逐步回归方程。本专利技术的具体步骤如下：步骤1：建立气象数据模板。回归方程中引进的变量是影响空气中污染物移动和扩散的气象因子，而且每个季节对空气质量影响的气象因子都是不同的，这就需要在准备样本数据时，根据每个季节的气象条件特点，建立气象数据模板。气象因子包括：1.前一日污染物浓度(μg/m3)2.当日天气形势3.当日主导风向4.当日平均风速(m/s)5.24小时风速变量(m/s)6.当日最低气温(℃)7.最低气温24小时变量(℃)8.当日最高气温(℃)9.当日最高气温24小时变量(℃)10.当日最高最低气温平均值(℃)11.最高最低气温平均值24小时变量(℃)12.850百帕08时温度(℃)13.850百帕08时温度24小时变量(℃)14.850百帕08时逆温(℃)15.850百帕平均风速(m/s)16.当日降水量(mm)17.湿度(％)18.8时湿度(％)19.08时变压(hPa)20.925mb08时温度(℃)21.925mb08时温度24小时变量(℃)22.925mb08时逆温(℃)23本文档来自技高网...

【技术保护点】
一种面向环境空气质量逐步回归的动态数据模拟预报方法，其特征在于包括以下步骤：步骤1)建立气象数据模板，包括四季以及每个季节对应的气象因子；步骤2)建立污染物数据模板，包括多种大气污染物；步骤3)根据气象数据模板和污染物数据模板建立每个空气质量检测站每个大气污染物对应的逐步回归方程；步骤4)将实际的气象因子代入逐步回归方程得到大气污染物预报数值。

【技术特征摘要】
1.一种面向环境空气质量逐步回归的动态数据模拟预报方法，其特征在于包括以下步骤：步骤1)建立气象数据模板，包括四季以及每个季节对应的气象因子；步骤2)建立污染物数据模板，包括多种大气污染物；步骤3)根据气象数据模板和污染物数据模板建立每个空气质量检测站每个大气污染物对应的逐步回归方程；步骤4)将实际的气象因子代入逐步回归方程得到大气污染物预报数值。2.根据权利要求1所述的一种面向环境空气质量逐步回归的动态数据模拟预报方法，其特征在于所述气象因子包括：前一日污染物浓度，当日天气形势，当日主导风向，当日平均风速，24小时风速变量，当日最低气温，最低气温24小时变量，当日最高气温，当日最高气温24小时变量，当日最高最低气温平均值，最高最低气温平均值24小时变量，850百帕08时温度，850百帕08时温度24小时变量，850百帕08时逆温，850百帕平均风速，当日降水量，湿度，8时湿度，08时变压，925mb08时温度，925mb08时温度24小时变量，925mb08时逆温，850mb温度场，850mb08时温度48小时变量，850mb08时变温趋势值，夜间云量，850mb平均风速，湿度，8时湿度。3.根据权利要求1所述的一种面向环境空气质量逐步回归的动态...

【专利技术属性】
技术研发人员：张镝，周晓磊，陈海洋，陈月，祁柏林，徐凯，白雪，王宁，李论，王丽丽，南佳龙，
申请(专利权)人：中国科学院沈阳计算技术研究所有限公司，
类型：发明
国别省市：辽宁,21