一种顾及时空关联性的城市空气质量时序预测方法技术

本发明专利技术公开了一种顾及时空关联性的城市空气质量时序预测方法，该方法引入了奇异谱分析进行PM2.5监测数据和气象特征数据的时间序列预测，设计了时空相关立方体以自适应地选择前K个重要的空间邻域站点特征，将时间序列预测结果与前K个重要的空间邻域特征进行叠加构建样本特征集，最后利用随机森林算法完成不同时间尺度下的最终结果的拟合。通过本发明专利技术所提供的耦合模型，可以有效地顾及不同空间站点之间的时空关联性，从而提高城市空间环境中单个站点在不同时间尺度下的时序预测效果和稳定程度，可以为城市大气管理决策提供参考依据。

A time series prediction method of urban air quality considering temporal and spatial correlation

【技术实现步骤摘要】
一种顾及时空关联性的城市空气质量时序预测方法
本专利技术涉及大气环境管理与监测领域，更具体的讲，涉及一种顾及时空关联性的城市空气质量时序预测方法，其是一种能够在顾及时空关联性基础之上，进行不同时间尺度未来时段城市空气质量的时序预测方法。
技术介绍
空气污染是项重要的环境健康问题，雾霾、粉尘、可吸入细颗粒物等所带来的空气质量污染无时无刻不在危害着城市居民的健康生活环境，尤其对于老人、孩子、孕妇及其他敏感人群的影响更甚。除此之外，空气污染还会带来许多更为严重的环境问题，如酸雨、气候变化、水资源污染、生态系统恶化等。因此，为了更好地满足辅助政府职能部门决策和指导公众生活服务的需要，迫切的需要提出能够在顾及时空相关性基础上的城市空气质量未来时段连续预测方法。传统空气质量预测方法中最为常用的便是经验推论方法、参数统计模型等。其中，经验推论方法是指从气象特征或空气质量历史记录数据中总结经验、发现趋势，从而基于主观导向性和计算结果对未来时段空气质量变化趋势作出预测和判断。该类型方法主要具有以下特点：优点是计算速度快、使用简单、在静态环境下适用性较强，但总体预本文档来自技高网...

【技术保护点】
1.一种顾及时空关联性的城市空气质量时序预测方法，其特征在于，包括如下步骤：/nS1)采集城市空间范围内所设立的空气质量监测站点的历史时段记录数据，将采集的历史时段记录数据进行数据匹配形成多特征变量在不同空气质量站点的时序记录数据；/nS2)对步骤S1)采集的时序记录数据进行数据预处理，最终形成时序完整的气象数据；/nS3)将待预测站点历史时刻的气象数据输入到奇异谱分析模型中，得到待预测站点预测数据；利用构建的时空相关立方体来提取在待预测时刻和待预测站点相关性最强的前K个站点的预测数据作为辅助站点数据；/nS4)将通过时空相关立方体提取到的辅助站点数据和利用奇异谱分析模型得到的待预测站点预测数...

【技术特征摘要】
1.一种顾及时空关联性的城市空气质量时序预测方法，其特征在于，包括如下步骤：
S1)采集城市空间范围内所设立的空气质量监测站点的历史时段记录数据，将采集的历史时段记录数据进行数据匹配形成多特征变量在不同空气质量站点的时序记录数据；
S2)对步骤S1)采集的时序记录数据进行数据预处理，最终形成时序完整的气象数据；
S3)将待预测站点历史时刻的气象数据输入到奇异谱分析模型中，得到待预测站点预测数据；利用构建的时空相关立方体来提取在待预测时刻和待预测站点相关性最强的前K个站点的预测数据作为辅助站点数据；
S4)将通过时空相关立方体提取到的辅助站点数据和利用奇异谱分析模型得到的待预测站点预测数据进行耦合，共同组成输入特征集，将输入特征集放入随机森林模型之中，由随机森林模型预测得到待预测站点在待预测时刻的最终的预测结果。


2.根据权利要求1所述的顾及时空关联性的城市空气质量时序预测方法，其特征在于：步骤S1)中的数据匹配是指将由空气质量监测站点所采集到的数据按照采集时间、采集站点、所属类别进行匹配，规范数据，得到的数据为各站点在不同时刻的气象监测数据。


3.根据权利要求1所述的顾及时空关联性的城市空气质量时序预测方法，其特征在于：采集的城市空间范围内所设立的空气质量监测站点的历史时段记录数据包括PM2.5监测数据和气象特征数据。


4.根据权利要求1所述的顾及时空关联性的城市空气质量时序预测方法，其特征在于：数据预处理包括异常值筛选、剔除、插值以及缺失值填补。


5.根据权利要求4所述的顾及时空关联性的城市空气质量时序预测方法，其特征在于：插值方法选择IDW反距离权重插值，通过插值获取在对应时刻...

【专利技术属性】
技术研发人员：关庆锋，吕建军，姚尧，
申请(专利权)人：武汉墨锦创意科技有限公司，
类型：发明
国别省市：湖北;42