一种大气污染异常识别与成因分析方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种大气污染异常识别与成因分析方法，所述方法包括：采集预设时间及区域的空气质量实测数据，并根据预设空气质量预测模型，获取相同预设时间及区域的空气质量预测数据；计算所述空气质量实测数据与所述空气质量预测数据之间差值的绝对值；判断所述绝对值是否位于预设置信区间之外；若是，则所述空气质量发生异变，获取空气质量异变因子并进行相关性分析来确定影响空气质量的事件。本发明专利技术还公开了一种大气污染异常识别与成因分析装置。采用本发明专利技术，可以对空气质量变化带来的影响评估出影响程度，以预防和规避有害事件和优化完善有益事件，加强空气质量监管和改善空气质量。

A method, device and storage medium of air pollution anomaly identification and cause analysis

【技术实现步骤摘要】
一种大气污染异常识别与成因分析方法、装置及存储介质
本专利技术涉及环保监测领域，特别是涉及一种大气污染异常识别与成因分析方法、装置及存储介质。
技术介绍
大气污染物，指由于人类活动或自然过程排入大气的并对人和环境产生有害影响的那些物质。在干洁的大气中，恒量气体的组成是微不足道的。但是在一定范围的大气中，出现了原来没有的微量物质，其数量和持续时间，都有可能对人、动物、植物及物品、材料产生不利影响和危害。当大气中污染物质的浓度达到有害程度，以至破坏生态系统和人类正常生存和发展的条件，对人或物造成危害的现象叫做大气污染。目前，空气健康常规监测与预测日益成熟，但政策因素、公众行为或一些突发的事件会导致城区空气质量发生显著变化，成为空气质量的异常事件。但是，没有针对异常事件的监测和分析方法，因此无法对这些异常事件进行规避或治理。
技术实现思路
为了解决上述问题，本专利技术的目的是提供一种大气污染异常识别与成因分析方法，可以对空气质量变化带来的影响评估出影响程度，以预防和规避有害事件和优化完善有益事件，从而提高空气质量水平。基于此，本专利技术提供了一种大气污染异常识别与成因分析方法，所述方法包括：采集预设时间及区域的空气质量实测数据，并根据预设空气质量预测模型，获取相同预设时间及区域的空气质量预测数据；计算所述空气质量实测数据与所述空气质量预测数据之间差值的绝对值；判断所述绝对值是否位于预设置信区间之外；若是，则所述空气质量发生异变，获取空气质量异变因子并进行相关性分析来确定影响空气质量的事件。其中，所述空气质量预测模型的构建过程包括：(1)利用土地利用回归模型；其中，所述Ai为系数，所述Xi为自变量，所述Xi为目标坐标点计算的空间特征量；或者(2)利用大气扩散模型；上式中：代表平均风速，单位为m/s；Q代表源强，是指污染物排放速率，单位为g/s；Σy代表侧向扩散参数，是指污染物在y方向分布的标准偏差；Σz代表竖向扩散参数，是指污染物在z方向分布的标准偏差(m)。其中，所述置信区间的获取过程包括：获取若干个预设时间或预设区域的所述绝对值；计算所述若干个所述绝对值的平均值、标准差和标准误差；根据置信区间，确定置信度；所述置信区间的下限值为所述平均值减去标准误差与标准正态分布值的乘积；所述置信区间的上限值为所述平均值加上标准误差与标准正态分布值的乘积。其中，所述方法还包括：判断所述空气质量发生异变程度的高低；A＝D-b(D>b)或A＝a-D(a<D)其中，所述A为异变值，所述D为所述异变值，所述a为所述置信区间的下限值，所述b为所述置信区间的上限值，所述A越大，则所述空气质量发生异变程度越高。其中，所述获取空气质量异变因子并进行相关性分析来确定影响空气质量的事件包括：获取因子强度SQ和异变值A；对所述SQ和所述A进行相关分析，获取相关值；判断所述相关值是否大于所述相关阈值；若是，则所述影响空气质量的事件与所述空气质量发生异变相关。其中，所述获取因子强度SQ：SQ＝∫kf(sq)/f(lq)(to-ts)dxtS为事件发生时间、to为事件消失时间，f(lq)为事件发生点距离监测点的距离，f(sq)为事件发生的强度，k为预设系数。其中，所述获取相关值包括其中，所述r(SQ,A)为所述相关值。本专利技术实施例还提供了一种大气污染异常识别与成因分析装置，所述装置包括：采集模块，用于采集预设时间及区域的空气质量实测数据，并根据预设空气质量预测模型，获取相同预设时间及区域的空气质量预测数据；计算模块，用于计算所述空气质量实测数据与所述空气质量预测数据之间差值的绝对值；判断模块，用于判断所述绝对值是否位于预设置信区间之外；分析模块，用于若是，则所述空气质量发生异变，获取空气质量异变因子并进行相关性分析来确定影响空气质量的事件。本专利技术实施例还提供了一种大气污染异常识别与成因分析设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现上述的大气污染异常识别与成因分析方法。本专利技术实施例还提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述的大气污染异常识别与成因分析方法。采用本专利技术，首先，采集预设时间及区域的空气质量实测数据，并根据预设空气质量预测模型，获取相同预设时间及区域的空气质量预测数据；计算所述空气质量实测数据与所述空气质量预测数据之间差值的绝对值；判断所述绝对值是否位于预设置信区间之外；若是，则所述空气质量发生异变，获取空气质量异变因子并进行相关性分析来确定影响空气质量的事件。本专利技术可以判断空气质量是否发生异变，并且确定与空气质量发生异变相关的事件，进而预防和规避有害事件和优化完善有益事件，提高空气质量水平。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的大气污染异常识别与成因分析方法的流程图；图2是本专利技术实施例提供的大气污染异常识别与成因分析装置的示意图；图3是本专利技术实施例提供的标准正态分布值的示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1是本专利技术实施例提供的大气污染异常识别与成因分析方法的流程图，所述方法包括：S101、采集预设时间及区域的空气质量实测数据，并根据预设空气质量预测模型，获取相同预设时间及区域的空气质量预测数据；采集预设时间及区域的空气质量实测数据可以包括：调用城区空气检测站实时监测空气质量的结果，所述空气质量的结果包括各种空气污染物的浓度，举例来讲，如PM2.5，PM10，O3，SO2，CO，NO2、AQI(空气质量指数)等等。根据预设空气质量预测模型，获取相同预设时间及区域的空气质量预测数据包括：首先，建立空气质量预测模型：土地利用模型是描述地区内部经济活动的选址行为及其作用结果的土地利用空间分布的数学模型，分为预测模型和优化模型。所述空气质量预测模型的构建过程包括1、利用土地利用回归模型；...

【技术保护点】
1.一种大气污染异常识别与成因分析方法，其特征在于，包括：/n采集预设时间及区域的空气质量实测数据，并根据预设空气质量预测模型，获取相同预设时间及区域的空气质量预测数据；/n计算所述空气质量实测数据与所述空气质量预测数据之间差值的绝对值；/n判断所述绝对值是否位于预设置信区间之外；/n若是，则所述空气质量发生异变，获取空气质量异变因子并进行相关性分析来确定影响空气质量的事件。/n

【技术特征摘要】
1.一种大气污染异常识别与成因分析方法，其特征在于，包括：
采集预设时间及区域的空气质量实测数据，并根据预设空气质量预测模型，获取相同预设时间及区域的空气质量预测数据；
计算所述空气质量实测数据与所述空气质量预测数据之间差值的绝对值；
判断所述绝对值是否位于预设置信区间之外；
若是，则所述空气质量发生异变，获取空气质量异变因子并进行相关性分析来确定影响空气质量的事件。


2.如权利要求1所述的大气污染异常识别与成因分析方法，其特征在于，所述空气质量预测模型的构建过程包括:
(1)利用土地利用回归模型；



其中，所述Ai为系数，所述Xi为自变量，所述Xi为目标坐标点计算的空间特征量；
或者(2)利用大气扩散模型；



上式中：
ū代表平均风速，单位为m/s；
Q代表源强，是指污染物排放速率，单位为g/s；
Σy代表侧向扩散参数，是指污染物在y方向分布的标准偏差；
Σz代表竖向扩散参数，是指污染物在z方向分布的标准偏差(m)。


3.如权利要求1所述的大气污染异常识别与成因分析方法，其特征在于，所述置信区间的获取过程包括：
获取若干个预设时间或预设区域的所述绝对值；
计算所述若干个所述绝对值的平均值、标准差和标准误差；
根据置信区间，确定置信度；
所述置信区间的下限值为所述平均值减去标准误差与标准正态分布值的乘积；
所述置信区间的上限值为所述平均值加上标准误差与标准正态分布值的乘积。


4.如权利要求1所述的大气污染异常识别与成因分析方法，其特征在于，所述方法还包括：
判断所述空气质量发生异变程度的高低；
A＝D-b(D>b)或A＝a-D(a<D)
其中，所述A为异变值，所述D为所述异变值，所述a为所述置信区间的下限值，所述b为所述置信区间的上限值，所述A越大，则所述空气质量发生异变程度越高。


5....

【专利技术属性】
技术研发人员：冯斌，陈多宏，张干，赵时真，沈劲，孙景，莫杨之，
申请(专利权)人：广州博进信息技术有限公司，
类型：发明
国别省市：广东;44