一种空气质量评价模型、模型构建方法及其应用技术

一种空气质量评价模型、模型构建方法及其应用，采用加权隶属度原则确定最终评价结果，同时考虑季节性差异，以动态的分析特征大气污染物的更变状况，及时为制定大气污染问题治理措施的决策提供更有力的支撑，更有力的保证了评价结果的客观性；同时随着时间前进可以动态的分析特征大气污染物的更变状况，及时为制定大气污染问题治理措施的决策提供更有力的支撑。

【技术实现步骤摘要】
一种空气质量评价模型、模型构建方法及其应用
本专利技术涉及空气质量综合评价
，具体涉及一种空气质量评价模型、模型构建方法及其应用。
技术介绍
空气污染作为一个重大的环境污染问题，在我国引起了高度重视。长期处在高度污染的大气环境中，会导致人体健康受到严重的危害。空气污染的负面影响不仅侵害人体健康，也阻碍着经济发展。因此，对大气保护决策提供有价值的信息十分关键。空气质量评估在解释空气质量和预警以保护人类在日常活动中健康免受污染严重的大气影响等方面起着至关重要的作用。现有的空气质量评价方法通常以《环境空气质量标准》指出的六种主要大气污染物(PM2.5、PM10、SO2、NO2、CO、O3)作为评价因子参与空气质量评价。受不同地区地理环境、气候条件、工业发展和经济水平等多方面因素的影响，各大气污染物对各地大气环境的形成贡献度并不相同。对于不同地区，筛选特征大气污染物作为评价因子一方面能够提供治理当地大气污染问题的决策支撑，另一方面在保证评价结果准确的前提下减少评价过程中产生的计算开销。在同一个地区，因四季变化造成的气候差异使得各大气污染物本文档来自技高网...

【技术保护点】
1.一种空气质量评价模型,其特征在于，所述模型如式(1)；/n

【技术特征摘要】
1.一种空气质量评价模型,其特征在于，所述模型如式(1)；



其中，ci为标准空气质量等级，li为模糊综合评价因子，i为大于零的自然数；
{l1,...,ln}＝L,L为模糊综合评价矩阵，所述模糊综合评价矩阵L是评价因子的权重集和模糊关系矩阵的乘积；
所述评价因子的权重集是信息熵系数集和污染物关联度系数集的乘积，信息熵系数集是评价因子集通过信息熵计算得到，污染物关联度系数集是评价因子集与历史空气质量等级间的关联度系数，所述评价因子集是根据各大气污染物与空气质量间的关联度获得的特征大气污染物的集合，所述模糊关系矩阵是评价因子集中各特征大气污染物的浓度值关于标准空气质量等级的隶属度的集合。


2.一种空气质量评价模型构建方法，其特征在于，包括以下步骤：
S1，获取特征大气污染物，获得评价因子集；
获取评价因子集中各特征大气污染物的浓度值与历史空气质量等级间的关联度系数，获得污染物关联度系数集；
S2，将S1获得的评价因子集中各特征大气污染物浓度值通过信息熵计算获得信息熵系数集；
S3，将S2获得的信息熵系数集中的各信息熵系数与S1获得的污染物关联度系数集中对应的污染物关联度系数相乘，获得评价因子的权重集；
S4，获取所述评价因子集中各特征大气污染物浓度值关于标准空气质量等级的隶属度，获得模糊关系矩阵；
S5，将S3获得的评价因子的权重集和S4获得的模糊关系矩阵相乘，获得模糊综合评价矩阵L；
S6，将S5获得的模糊综合评价矩阵L结合加权隶属度原则，获得空气质量评价模型，所述空气质量评价模型为权利要求1所述的空气质量评价模型。


3.如权利要求2所述的空气质量评价模型构建方法，其特征在于，包括以下步骤：
S1，分别获取四个季节的特征大气污染物，获得第一评价因子集、第二评价因子集、第三评价因子集和第四评价因子集；
获取每个评价因子集中各特征大气污染物的浓度值与对应季节历史空气质量等级间的关联度系数，获得第一污染物关联度系数集、第二污染物关联度系数集、第三污染物关联度系数集和第四污染物关联度系数集；
S2，将S1获得的每个评价因子集中各特征大气污染物浓度值通过信息熵计算获得...

【专利技术属性】
技术研发人员：白燕，张玮，陈鸿阳，张亚俐，汪庭祥，贺引娥，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：陕西;61