基于时空带宽自适应地理加权回归的空气质量预测方法技术

基于时空带宽自适应地理加权回归的空气质量预测方法，包括如下步骤：获取和预处理相关数据，构建基于地理加权回归的空气质量预测模型，自适应计算最优时空带宽，对空气质量进行局部估计本发明专利技术在建模中考虑了时空非平稳性特点，挺高了预测精度，对GTWR模型带宽自动选择，解决了目前带宽选择多依赖于经验和人工尝试，导致效率低、精度不高的问题。本发明专利技术相对于其他方法获得更高的预测精度，同时可以更为准确地揭示空气质量的时空变化规律，为今后的环境保护政策、社会经济发展政策、城市规划政策等相关政策的制定提供数据和科学支持。

【技术实现步骤摘要】
基于时空带宽自适应地理加权回归的空气质量预测方法
本专利技术涉及一种空气质量的预测方法。具体而言，本专利技术涉及一种根据时空带宽自适应的地理加权回归方法来对空气质量进行预测的方法及存储介质。
技术介绍
空气质量关系到人们的生命健康，越来越得到广泛关注。空气质量受多种因素影响，包括污染源位置、污染物排放浓度等污染源因素，温度、风速、湿度、气压等大气环境因素，土地利用、植被覆盖等地表环境因素。在已知空气质量影响因素的情况下，可通过建立空气质量与影响因素之间的回归模型，对空气质量进行预测。考虑到特定时刻的空气质量会受到前一个时刻空气质量的影响，特定地点的空气质量会受到周围区域的空气质量及相关影响因素的影响，并且空气质量建模存在时空非平稳性的特点，即不同时间和地点同一影响因素对空气质量的影响程度不同。因此，对空气质量的建模是一种涉及时间、空间并考虑时空非平稳性的复杂建模过程。目前，对于空气质量的建模多未考虑空间非平稳性，并且在进行时间建模时通常假定时间效应在空间上是恒定的，这都会导致空气质量预测结果不能与实际相符。时空地理加权回归（Geogra本文档来自技高网...

【技术保护点】
1.一种基于时空带宽自适应地理加权回归的空气质量预测方法，包括如下步骤：/n数据获取和预处理步骤S110：/n（1）设定数据类型：获取某个地区某个时间范围内的PM2.5浓度数据、气象数据、统计数据和AOD数据，所述PM2.5浓度获取自空气质量监测站点，为点数据，所述气象数据包括温度、风速、相对湿度、大气压强，获取自气象检测站点，为点数据，所述统计数据包括人口、GDP数据，通过对所述人口、GDP数据空间化得到，为栅格数据，所述AOD（Aerosol OpticalDepth）数据选自遥感影像，为栅格数据；/n（2）对相关数据进行获取和预处理：创建覆盖该地区整个区域的3 km×3 km的网格，网格...

【技术特征摘要】
1.一种基于时空带宽自适应地理加权回归的空气质量预测方法，包括如下步骤：
数据获取和预处理步骤S110：
（1）设定数据类型：获取某个地区某个时间范围内的PM2.5浓度数据、气象数据、统计数据和AOD数据，所述PM2.5浓度获取自空气质量监测站点，为点数据，所述气象数据包括温度、风速、相对湿度、大气压强，获取自气象检测站点，为点数据，所述统计数据包括人口、GDP数据，通过对所述人口、GDP数据空间化得到，为栅格数据，所述AOD（AerosolOpticalDepth）数据选自遥感影像，为栅格数据；
（2）对相关数据进行获取和预处理：创建覆盖该地区整个区域的3km×3km的网格，网格中心点为空气质量采样点，从而获取PM2.5浓度数据、气象数据、统计数据和AOD数据；
构建基于地理加权回归的空气质量预测模型步骤S120：
根据式（1）构建基于地理加权回归的空气质量预测模型：



其中，yi为空气质量样本点(ui,vi,ti)处的PM2.5浓度，其中u表示经度，v表示纬度，t表示时间；xik为空气质量样本点(ui,vi,ti)处第k个影响因素的值，影响因素包括AOD、人口、GDP、温度、风速、相对湿度和大气压强，εi为样本点i的随机误差，P表示影响因素的个数，βik为空气质量样本点(ui,vi,ti)的第k个影响因素的回归系数，利用最小二乘法进行估算：



其中，
空气质量预测模型的时空核函数根据式（3）计算：



其中，j表示空气质量样本点，i表示用于预测空气质量样本点j的回归点，Ks是空间核函数，dsij为i与j之间的空间间隔，bst表示时间t处空气质量样本点的空间带宽，KT是时间核函数，dtij是i与j之间的时间间隔，bT是时间带宽,权重核函数以矩阵的形式表示，得到权重矩阵，具体如下：



矩阵中权重由q+1组对角元素组成，q为时间段的数量，，…，是时间段t中第nt个数据点的权重，，…，是时间段t-1中第nt-1个数据点的权重，以此类推，时间段t-q第nt-q个数据点的权重表示为，…，；
最优时空带宽的自适应计算步骤S130：
（1）将一个时间带宽设置为1个时间单位；
（2）构建针对时间段t的时空核函数，此时d2tij为零，时空核函数为



接着，利用式（5）计算加权权重，按照式（1）建立基于地理加权回归的空气质量预测模型，通过最小化CV(CrossValidation)函数，获得最优空间带宽b*st：



其中yi表示空气质量样本点i的PM2.5浓度，为因变量，ŷ－i是yi的拟合值，在校准过程中不包括i点，在获得最优空间带宽b*st后，通过式（5）获得式（4）权重矩阵的第一组对角元素；
（3）为计算权重矩阵对角线上的第二组对角元素，将时间段(t-1)的空气质量数据点应用到模型中，因此，GWR通过利用来自时间段t和t-...

【专利技术属性】
技术研发人员：仇阿根，杨毅，赵阳阳，张钰娟，陈才，
申请(专利权)人：中国测绘科学研究院，
类型：发明
国别省市：北京;11