细颗粒物浓度仿真方法、装置、存储介质及电子设备制造方法及图纸

本公开涉及一种细颗粒物浓度仿真方法、装置、存储介质及电子设备。获取第一目标网格区域中各网格对应的参考指标的预设值，其中，所述参考指标包括多个类别的二氧化碳排放指标，所述第一目标网格区域包括目标环境监测站点所在网格周围的r圈网格，r为大于零的自然数；根据所述预设值，通过预设的多层空间贝叶斯网络仿真模型，得到所述目标环境监测站点的细颗粒物浓度仿真结果。这样，可以根据该仿真结果，预估目标环境监测站点的细颗粒物浓度，以便人们提前做好防护措施，避免或减少对人体的危害。另外，基于预估的目标环境监测站点的细颗粒物浓度，还可以评估在该目标环境监测站点的监测区域内设置工厂是否合理，以便做出合理的规划。

【技术实现步骤摘要】
细颗粒物浓度仿真方法、装置、存储介质及电子设备
本公开涉及环境监测
，具体地，涉及一种细颗粒物浓度仿真方法、装置、存储介质及电子设备。
技术介绍
随着社会的发展，工厂及机动车辆持续增加，诸多环境问题随之产生，空气污染问题日益严重，而细颗粒物(PM2.5)浓度是最主要的空气污染物之一，对人们的生活以及工作带来了不良影响，同时对人们身体健康造成了危害。其中，工厂是PM2.5的主要贡献者。因此，当打算在某一区域开设工厂前，需要根据该工厂即将排出的污染物情况，预估该区域的PM2.5浓度，以便根据预估的PM2.5浓度情况进行合理的规划。因此，PM2.5浓度的预估已成为具有十分重要现实意义的课题。
技术实现思路
为了解决相关技术中存在的问题，本公开提供一种细颗粒物浓度仿真方法、装置、存储介质及电子设备。为了实现上述目的，根据本公开实施例的第一方面，提供一种细颗粒物浓度仿真方法，包括：获取第一目标网格区域中各网格对应的参考指标的预设值，其中，所述参考指标包括多个类别的二氧化碳排放指标，所述第一目标网格区域包括目标环境监测站点所在网格周围的r圈网格，r为大于零的自然数；根据所述预设值，通过预设的多层空间贝叶斯网络仿真模型，得到所述目标环境监测站点的细颗粒物浓度仿真结果。可选地，所述参考指标还包括以下中的至少一者：人口总量、海拔、平均降雨量、平均温度。可选地，所述预设的多层空间贝叶斯网络仿真模型通过以下方式来构建：获取目标区域内的每一环境监测站点对应的第一参考细颗粒物浓度、以及每一所述环境监测站点对应的第二目标网格区域中各网格对应的、预设时段内的参考指标数据，其中，所述第二目标网格区域包括相应环境监测站点所在网格周围的s圈网格，s为大于零的自然数，所述目标环境监测站点为所述目标区域内的任一环境监测站点，所述第一参考细颗粒物浓度为相应环境监测站点在所述预设时段内的细颗粒物浓度的平均值；根据多个所述第一参考细颗粒物浓度以及多个所述参考指标数据，构建目标贝叶斯网络模型；令k＝1；针对每一所述环境监测站点，计算该环境监测站点对应的所述第一参考细颗粒物浓度和该环境监测站点对应的第k圈网格中各网格对应的细颗粒物浓度的第一莫兰指数，其中，所述k越大，所述第k圈网格距离所述环境监测站点所在网格越远；将每一所述环境监测站点对应的目标颗粒物浓度构成的向量、各所述第一莫兰指数构成的向量分别作为一新节点，添加至所述目标贝叶斯网络模型中，所述目标颗粒物浓度为对相应环境监测站点所在网格周围的s圈网格中的第k圈网格中各网格对应的细颗粒物浓度的平均值进行离散化操作所得的离散值；若k>1，则针对每一所述环境监测站点，计算该环境监测站点对应的第k圈网格中各网格对应的细颗粒物浓度和该环境监测站点对应的第k-1圈网格中各网格对应的细颗粒物浓度的第二莫兰指数，并将各所述第二莫兰指数构成的向量作为新节点，添加至所述目标贝叶斯网络模型中；将所述k更新为k+1，并返回所述针对每一所述环境监测站点，计算该环境监测站点对应的所述第一参考细颗粒物浓度和该环境监测站点对应的第k圈网格中各网格对应的细颗粒物浓度的第一莫兰指数的步骤，直到所述目标贝叶斯网络模型的预测准确率满足预设条件时为止，得到所述预设的多层空间贝叶斯网络仿真模型。可选地，所述根据多个所述平均值以及多个所述参考指标数据，构建目标贝叶斯网络模型，包括：针对每一所述环境监测站点，对该所述环境监测站点对应的所述第一参考细颗粒物浓度进行离散化操作，得到第二参考细颗粒物浓度；以多个所述参考指标数据为解释变量，以多个所述第二参考细颗粒物浓度为目标变量，利用LASSO回归模型从所述参考指标中筛选出目标参考指标；分别以所述多个参考指标数据中、与所述目标参考指标中每一参考指标对应的第一目标参考指标数据为解释变量，以多个所述第二参考细颗粒物浓度为目标变量，对所述第一目标参考指标数据进行离散化处理，得到第二目标参考指标数据；将多个所述第二目标参考指标数据，输入至初始贝叶斯网络模型中，得到相应的预测结果；根据所述预测结果和所述第二参考细颗粒物浓度的比对结果，对所述初始贝叶斯网络模型进行训练，得到所述目标贝叶斯网络模型。可选地，所述预设条件为所述目标贝叶斯网络模型的预测准确率与上一次得到的目标贝叶斯网络模型的预测准确率的差的绝对值小于预设阈值。根据本公开实施例的第二方面，提供一种细颗粒物浓度仿真装置，包括：第一获取模块，用于获取第一目标网格区域中各网格对应的参考指标的预设值，其中，所述参考指标包括多个类别的二氧化碳排放指标，所述第一目标网格区域包括目标环境监测站点所在网格周围的r圈网格，r为大于零的自然数；仿真模块，用于根据所述预设值，通过预设的多层空间贝叶斯网络仿真模型，得到所述目标环境监测站点的细颗粒物浓度仿真结果。可选地，所述参考指标还包括以下中的至少一者：人口总量、海拔、平均降雨量、平均温度。可选地，所述预设的多层空间贝叶斯网络仿真模型通过模型构建装置来构建，所述模型构建装置包括：第二获取模块，用于获取目标区域内的每一环境监测站点对应的第一参考细颗粒物浓度、以及每一所述环境监测站点对应的第二目标网格区域中各网格对应的、预设时段内的参考指标数据，其中，所述第二目标网格区域包括相应环境监测站点所在网格周围的s圈网格，s为大于零的自然数，所述目标环境监测站点为所述目标区域内的任一环境监测站点，所述第一参考细颗粒物浓度为相应环境监测站点在所述预设时段内的细颗粒物浓度的平均值；构建模块，用于根据多个所述第一参考细颗粒物浓度以及多个所述参考指标数据，构建目标贝叶斯网络模型；数值设置模块，用于令k＝1；计算模块，用于针对每一所述环境监测站点，计算该环境监测站点对应的所述第一参考细颗粒物浓度和该环境监测站点对应的第k圈网格中各网格对应的细颗粒物浓度的第一莫兰指数，其中，所述k越大，所述第k圈网格距离所述环境监测站点所在网格越远；节点添加模块，用于将每一所述环境监测站点对应的目标颗粒物浓度构成的向量、各所述第一莫兰指数构成的向量分别作为一新节点，添加至所述目标贝叶斯网络模型中，所述目标颗粒物浓度为对相应环境监测站点所在网格周围的s圈网格中的第k圈网格中各网格对应的细颗粒物浓度的平均值进行离散化操作所得的离散值；所述计算模块，还用于若k>1，则针对每一所述环境监测站点，计算该环境监测站点对应的第k圈网格中各网格对应的细颗粒物浓度和该环境监测站点对应的第k-1圈网格中各网格对应的细颗粒物浓度的第二莫兰指数；所述节点添加模块，还用于将各所述第二莫兰指数构成的向量作为新节点，添加至所述目标贝叶斯网络模型中；触发模块，用于将所述k更新为k+1，并触发所述计算模块针对每一所述环境监测站点，计算该环境监测站点对应的所述第一参考细颗粒物浓度和该环境监测站点对应的第k圈网格中各网格对应的细颗粒物浓度的第一莫本文档来自技高网...

【技术保护点】
1.一种细颗粒物浓度仿真方法，其特征在于，包括：/n获取第一目标网格区域中各网格对应的参考指标的预设值，其中，所述参考指标包括多个类别的二氧化碳排放指标，所述第一目标网格区域包括目标环境监测站点所在网格周围的r圈网格，r为大于零的自然数；/n根据所述预设值，通过预设的多层空间贝叶斯网络仿真模型，得到所述目标环境监测站点的细颗粒物浓度仿真结果。/n

【技术特征摘要】
1.一种细颗粒物浓度仿真方法，其特征在于，包括：
获取第一目标网格区域中各网格对应的参考指标的预设值，其中，所述参考指标包括多个类别的二氧化碳排放指标，所述第一目标网格区域包括目标环境监测站点所在网格周围的r圈网格，r为大于零的自然数；
根据所述预设值，通过预设的多层空间贝叶斯网络仿真模型，得到所述目标环境监测站点的细颗粒物浓度仿真结果。


2.根据权利要求1所述的方法，其特征在于，所述参考指标还包括以下中的至少一者：
人口总量、海拔、平均降雨量、平均温度。


3.根据权利要求1或2所述的方法，其特征在于，所述预设的多层空间贝叶斯网络仿真模型通过以下方式来构建：
获取目标区域内的每一环境监测站点对应的第一参考细颗粒物浓度、以及每一所述环境监测站点对应的第二目标网格区域中各网格对应的、预设时段内的参考指标数据，其中，所述第二目标网格区域包括相应环境监测站点所在网格周围的s圈网格，s为大于零的自然数，所述目标环境监测站点为所述目标区域内的任一环境监测站点，所述第一参考细颗粒物浓度为相应环境监测站点在所述预设时段内的细颗粒物浓度的平均值；
根据多个所述第一参考细颗粒物浓度以及多个所述参考指标数据，构建目标贝叶斯网络模型；
令k＝1；
针对每一所述环境监测站点，计算该环境监测站点对应的所述第一参考细颗粒物浓度和该环境监测站点对应的第k圈网格中各网格对应的细颗粒物浓度的第一莫兰指数，其中，所述k越大，所述第k圈网格距离所述环境监测站点所在网格越远；
将每一所述环境监测站点对应的目标颗粒物浓度构成的向量、各所述第一莫兰指数构成的向量分别作为一新节点，添加至所述目标贝叶斯网络模型中，所述目标颗粒物浓度为对相应环境监测站点所在网格周围的s圈网格中的第k圈网格中各网格对应的细颗粒物浓度的平均值进行离散化操作所得的离散值；
若k>1，则针对每一所述环境监测站点，计算该环境监测站点对应的第k圈网格中各网格对应的细颗粒物浓度和该环境监测站点对应的第k-1圈网格中各网格对应的细颗粒物浓度的第二莫兰指数，并将各所述第二莫兰指数构成的向量作为新节点，添加至所述目标贝叶斯网络模型中；
将所述k更新为k+1，并返回所述针对每一所述环境监测站点，计算该环境监测站点对应的所述第一参考细颗粒物浓度和该环境监测站点对应的第k圈网格中各网格对应的细颗粒物浓度的第一莫兰指数的步骤，直到所述目标贝叶斯网络模型的预测准确率满足预设条件时为止，得到所述预设的多层空间贝叶斯网络仿真模型。


4.根据权利要求3所述的方法，其特征在于，所述根据多个所述平均值以及多个所述参考指标数据，构建目标贝叶斯网络模型，包括：
针对每一所述环境监测站点，对该所述环境监测站点对应的所述第一参考细颗粒物浓度进行离散化操作，得到第二参考细颗粒物浓度；
以多个所述参考指标数据为解释变量，以多个所述第二参考细颗粒物浓度为目标变量，利用LASSO回归模型从所述参考指标中筛选出目标参考指标；
分别以所述多个参考指标数据中、与所述目标参考指标中每一参考指标对应的第一目标参考指标数据为解释变量，以多个所述第二参考细颗粒物浓度为目标变量，对所述第一目标参考指标数据进行离散化处理，得到第二目标参考指标数据；
将多个所述第二目标参考指标数据，输入至初始贝叶斯网络模型中，得到相应的预测结果；
根据所述预测结果和所述第二参考细颗粒物浓度的比对结果，对所述初始贝叶斯网络模型...

【专利技术属性】
技术研发人员：刘译璟，苏海波，左云鹏，苏萌，高体伟，鲁瑞，魏太云，
申请(专利权)人：北京百分点信息科技有限公司，
类型：发明
国别省市：北京;11