建立定量化不同尺度区域间大气污染联防联控方案的方法技术

本发明专利技术属于空气质量管理技术领域，公开了一种建立定量化不同尺度区域间大气污染联防联控方案的方法，包括建立城市及不同尺度区域间大气污染联合防治联合控制方案体系的新方法所需的特征变量数据库；采用聚类分析和网络关联模型等大数据挖掘方法对数据库中的特征变量进行机器学习和数据挖掘；对于不同污染物，不同污染时段、不同污染水平和不同尺度区域或城市的污染实况设计关联性阈值和对应的联防联控城市组或不同尺度区域组。本发明专利技术可为不同区域的城市间或不同尺度区域间大气污染实现更加精准化的联防联控，更加高效地实现不同城市及不同尺度区域的空气质量改善，尽快实现空气质量达标，以保护人民的健康。

【技术实现步骤摘要】
建立定量化不同尺度区域间大气污染联防联控方案的方法
本专利技术属于空气质量管理
，尤其涉及一种建立定量化不同尺度区域间大气污染联防联控方案的方法。
技术介绍
目前，现有的污染物防控系统有很多种，如专利号为201710762642.9的方法专利技术专利“室内环境污染防控系统”公开了一种对室内环境质量进行监测、评估和进化的方法；专利号为201220604879.7的使用新型专利“环境应急三级防控系统”公开了一种对于企业环境污染提拱了可行的解决方案。然而现有的污染物防控方案中并没有一个系统的适用于制定不同尺度区域不同大气污染物定量分级方案的方法。并且就现状而言，主要的防控是通过宏观定性行政边界划分的，并没有定量化指导联防联控。因此急需一个可以制定精准化的大气污染物联防联控方案的方法用于决策支持，以促进更多的城市或不同尺度区域更有效的改善空气质量，并早日达到空气质量标准，早日达到世界卫生组织指导值。通过上述分析，现有技术存在的问题及缺陷为：(1)现有技术缺乏定量化的联防联控方案，更缺乏制定定量化联防联控方案的方法。2)现有技术没有考虑不同区域的城市间或不同尺度区域间明确城市组联防联控依据，主要依靠专家会商的形式来推动联防联控政策的执行，而缺乏定量化的联防联控科学理论的支撑。3)现有联防联控技术虽然强调了重污染期间的联防联控，但是仍然缺乏联防联控的针对性和定量化决策方法，缺乏精准性，联防联控效果不够理想，成本较高，不能高效地实现不同城市及不同尺度区域间的空气质量的改善。解决以上问题及缺陷的难度为：气象条件的多变性和大气污染物的传输性缺乏规律性，大气污染物的时序数据具有高度非线性特征，而且大气污染物浓度数据极易受到本地各类源排放的影响，同时受到外地传输影响。实际上，一个城市大气污染物的来源解析就是一个非常复杂的科学问题，中国的科学家已经对中国重点污染区域开展过很多的研究，其研究结果仍然很难获得精确的来源。为了污染的防治和控制，除了本地的排放控制之外，还需联合其他城市或区域开展联合减排活动。如何联合？跟谁联合？均是很难回答的问题。解决以上问题及缺陷的意义为：随着人工智能技术的发展，机器学习方法得到越来越多的应用，同时随着计算机硬件技术的发展，大大促进了其它各学科领域(包括大气污染领域)的发展。机器学习就是在处理复杂非线性数据，寻找内在规律上具有特别的优势。通过学科的交叉，优势的互补，利用计算机技术和人工智能技术的发展解决大气污染物联防联控问题，为联防联控的精准化发展提供了新的生命力，具有非常好的前景，具有重大意义。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种建立定量化不同尺度区域间大气污染联防联控方案的方法。本专利技术目的在于提供一种建立带有评估体系的不同大气污染物、不同污染水平、不同时段、城市及不同尺度区域间的大气污染定量化、精准化的联防联控方案体系的方法，实现高效、科学、全面的环境空气质量改善的防控系统设计。本专利技术是这样实现的，一种建立定量化不同尺度区域间大气污染联防联控方案的方法包括：1)根据大气污染防控的需要，选定联防联控涉及区域范围，即包括多少城市，或省，或乡镇街道，或自主设定的区域范围等不同尺度区域构成的一个总区域；2)从空气质量实时发布网和省级及市级大气污染物监测网获取各大气污染物的小时浓度数据，然后清洗并保存到数据库；3)基于不同污染物，不同污染时段、不同污染水平、不同尺度区域的污染物小时浓度数据建立特征变量数据库；4)采用聚类分析和网络关联模型等大数据挖掘方法对数据库中的特征变量进行机器学习和数据挖掘；5)对于不同污染物，不同污染时段、不同污染水平和对应城市或区域的污染实况设计一系列具体的关联性阈值，然后基于该系列定量化阈值筛选得到每个城市或不同尺度区域的联防联控伙伴，并构成联防联控城市组或不同尺度区域组；6)对这些联防联控城市组或不同尺度区域组上应用评估系统进行评估，评估指标包括：紧迫度指标、健康影响程度指标、控制弹性指标、区域影响程度指标、综合指标；7)给出该总区域中不同污染物，不同污染时段、不同污染水平、不同尺度区域间的联防联控方案及评估结果。进一步，步骤1)包括了不同大气污染物即PM10，PM2.5，O3，SO2，NO2，CO，是空气质量标准中涉及的所有标准污染物。进一步，步骤4)包括了采用了聚类分析与网络关联模型等数据挖掘方法建立的联防联控方案方法。聚类分析不仅包括浓度距离聚类也包括相关性距离聚类。进一步，步骤5)利用从国家公开发布关于环境空气质量的各污染物浓度数据、建立污染特征水平数据库，进行聚类和网络相关模型的数据挖掘方法，设定各联防联控级别的污染物浓度关联性定量指标(阈值)来划分与各级联防联控的城市或不同尺度区域组合，得到不同污染物，不同污染水平，不同时段，不同尺度区域内联防联控城市或不同尺度区域组合，即为联防联控城市组或不同尺度区域组合组。进一步，步骤6)主要用于对所有联防联控子区域组合进行多指标的评价，各评价指标的评价结果供政府筛选优先子区域组合进行联防联控的污染防控政策。进一步，步骤6)采用五种评估指标对不同大气污染物、不同污染水平、不同时段的每个联防联控城市组或不同尺度区域组进行评估。评估指标包括：紧迫度指标、健康影响程度指标、控制弹性指标、区域影响程度指标、综合指标。紧迫度指标综合考虑了每个城市或不同尺度区域的污染物平均浓度与空气质量标准(或世界卫生组织指导值)之间的差距；健康影响程度指标考虑了不同城市人口的暴露风险；由于每个城市所在的地理位置不同，气候和污染物排放量等不同，因此，会造成每个需要联合防控的城市的污染物浓度波动范围不一致。因此，控制弹性指标综合考虑这些影响，体现了污染容易控制的程度；区域影响程度指标综合考虑了每个联合防控的小区域对于整个联合防控大区域的污染物的贡献程度。进一步，步骤7)包括不同大气污染水平，即包括基于联防联控管理需求地方政府所设定的不同污染水平划分，或参照中国空气质量标准中的污染水平分级的优，良，轻度污染，中度污染，重度污染，严重污染的污染水平划分。进一步，步骤7)包括了不同污染时段的联防联控方案，这里的不同污染时段又包括分季节，分月份，分节假日和非节假日，周末和非周末，分不同污染事件时段，分不同污染类型进行划分的时段。进一步，步骤7)包括了不同尺度区域间，即包括了省份间、城市组间、地级市间、县级市间、不同乡镇，不同街道间及自主设定的子区域间等所有不同尺度区域间的联防联控方案制定。本专利技术另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：1)根据大气污染防控的需要，选定联防联控涉及区域范围，即包括多少城市，或省，或乡镇街道，或自主设定的区域范围等不同尺度区域构成的一个总区域；2)从空气质量实时发布网和省级及市级大气污染物监测网获取各大气污染物的小时浓度数据并保存到数据库；<本文档来自技高网...

【技术保护点】
1.一种建立定量化不同尺度区域间大气污染联防联控方案的方法，其特征在于，所述建立定量化不同尺度区域间大气污染联防联控方案的方法包括：/n基于不同污染物，不同污染时段、不同污染水平、不同尺度区域或城市的污染物小时浓度数据建立特征变量数据库；/n采用聚类分析和网络关联模型等大数据挖掘方法对数据库中的特征变量进行机器学习和数据挖掘；/n对于不同污染物，不同污染时段、污染水平和对应城市或区域的污染实况设计一系列具体的关联性阈值，然后基于该系列定量化阈值进行城市组或区域组进行筛选得到每个城市或不同尺度区域的联防联控伙伴，并构成联防联控城市组或不同尺度区域组；/n对所述联防联控城市组或不同尺度区域组上应用评估系统进行评估，评估指标包括：紧迫度指标、健康影响程度指标、控制弹性指标、区域影响程度指标、综合指标；/n获取总区域中不同污染物，不同污染时段、不同污染水平、不同尺度区域间的联防联控方案及评估结果。/n

【技术特征摘要】
1.一种建立定量化不同尺度区域间大气污染联防联控方案的方法，其特征在于，所述建立定量化不同尺度区域间大气污染联防联控方案的方法包括：
基于不同污染物，不同污染时段、不同污染水平、不同尺度区域或城市的污染物小时浓度数据建立特征变量数据库；
采用聚类分析和网络关联模型等大数据挖掘方法对数据库中的特征变量进行机器学习和数据挖掘；
对于不同污染物，不同污染时段、污染水平和对应城市或区域的污染实况设计一系列具体的关联性阈值，然后基于该系列定量化阈值进行城市组或区域组进行筛选得到每个城市或不同尺度区域的联防联控伙伴，并构成联防联控城市组或不同尺度区域组；
对所述联防联控城市组或不同尺度区域组上应用评估系统进行评估，评估指标包括：紧迫度指标、健康影响程度指标、控制弹性指标、区域影响程度指标、综合指标；
获取总区域中不同污染物，不同污染时段、不同污染水平、不同尺度区域间的联防联控方案及评估结果。


2.如权利要求1所述的建立定量化不同尺度区域间大气污染联防联控方案的方法，其特征在于，基于不同污染物，不同污染时段、不同污染水平、不同尺度区域或城市的污染物小时浓度数据建立特征变量数据库前，需进行：
根据大气污染防控的需要，选定联防联控涉及区域范围，包括多少城市，或省，或乡镇街道，或自主设定的区域范围等不同尺度区域构成的一个总区域；
从空气质量实时发布网和省级及市级大气污染物监测网获取各大气污染物的小时浓度数据，进行清洗后保存到数据库。


3.如权利要求2所述的建立定量化不同尺度区域间大气污染联防联控方案的方法，其特征在于，不同大气污染物即PM10，PM2.5，O3，SO2，NO2，CO，是空气质量标准中涉及的所有标准污染物。


4.如权利要求1所述的建立定量化不同尺度区域间大气污染联防联控方案的方法，其特征在于采用了聚类分析方法。采集到的输入数据如下:



其中，n是城市数量，m是特征变量也就是每个城市每天的PM2.5浓度值。对于i城市的变量可以用一个向量表示为：(xi1，xi2，…xim)T，i＝1，2，…n；
在聚类过程中，从一个聚类到另一个聚类计算了两个聚类之间的距离；
欧几里德距离方程所示是选为衡量两个城市之间距离；



其中，dij是i城市和j城市之间的距离,同时dij＝dji.
城市的数量是n,两个城市之间的距离使用方程去获得对称矩阵：



从矩阵找出非主对角线的最小距离，通过从矩阵D0移除Gi，Gj所在的行和列，Gi，Gj合并为一个新的类(Gr＝(Gi，Gj))，把新类Gr合并到剩下的类中，获的新的Dn-1矩阵，重复以上步骤去获得Dn-2矩阵；连续计算，直到所有的样本被合并进一个大类中。在合并类的过程中，记录合并样本的级别和两种合并类型，最后绘制聚类谱系图。


5.如权利要求1所述的建立定量化不同尺度区域间大气污染联防联控方案的方法，其特征在于采用了复杂网络关联模型。
复杂网络关联模型用来反映众多不同尺度的区域或城市大气污染物间的关联特性；相关性系数P的绝对值越大表明两个城市之间的相关性越大，当P值为0表示两个变量之间线性独立；对于任意两个变量X＝{x1，x2，…xm}和Y＝{y1，y2，…ym},两个城市之间的相关性系数P(X,Y)是被定义为方程相关性距离等于1.0减去相关性系数；见公式：



其中，xi和yi是在i城市和j城市的每天的PM2.5浓度，和是i城市和j城市的平均PM2.5浓度；
这相关性距离，也称作皮尔逊相关距离，用来测量两个城市之间的污染物相关性的强弱。相关性越强则相关性距离越近；
利用从公开发布关于环境空气质量的各污染物浓度数据、建立污染特征水平数据库，进行聚类和网络相关模型的数据挖掘方法，设定各联防联控级别的污染物浓度关联性阈值，获得不同污染物，不同污染水平，不同时段，不同尺度区域内的联防联控的不同尺度区域组合或城市组合，即为联防联控城市组或不同尺度区域组合组。


6.如权利要求1所述的建立定量化不同尺度区域间大气污染联防联控方案的方法，其特征在于，采用五种评估指标构成的一套评估体系，对不同大气污染物、不同污染水平、不同时段的每个联防联控城市组或不同尺度区域组进行评估；评估指标包括：紧迫度指标、健康影响程度指标、控制弹性指标、区域影响程度指标、综合指标；
紧迫度指标综合分析每个城市或不同尺度区域的污染物平均浓度与空气质量标准之间的差距；健康影响程度指标分析不同城市人口的暴露风险；由于每个城市所在的地理位置不同，气候和大气污染物强度及特征不同，控制弹性指标综合分析这些影响，反映污染容易控制的程度；区域影响程...

【专利技术属性】
技术研发人员：王杨君，刘子义，李莉，黄凌，李红丽，张坤，
申请(专利权)人：上海大学，
类型：发明
国别省市：上海;31