大气污染对人体健康风险指标确定方法、装置和电子设备制造方法及图纸

本申请涉及大气环境污染评价领域，提供一种大气污染对人体健康风险指标确定方法、装置和电子设备。所述方法包括：获取设定的时间段和区域内对应的大气污染浓度信息集和用户属性信息集；根据所述大气污染浓度信息集和用户属性信息集，获得符合概率分布条件的随机数列；根据所述随机数列，进行蒙特卡洛模拟以获得人群健康风险值。本申请实施例提供的大气污染对人体健康风险指标确定方法、装置和电子设备，通过获取设定的时间段和区域内的用户属性信息，基于蒙特卡洛模拟获得人群健康风险值，可以更加精准地获得空气污染对于人体健康风险指标。险指标。险指标。

【技术实现步骤摘要】
大气污染对人体健康风险指标确定方法、装置和电子设备


[0001]本申请涉及大气环境污染评价
，具体涉及一种大气污染对人体健康风险指标确定方法、装置和电子设备。

技术介绍

[0002]目前，大气环境污染评价技术的关注点全部集中在大气污染本身，忽略了人类活动区域这一因素。比如在人类在高污染地区活动不多，人们通常活动于低污染地区，而低污染地区中的大气污染对人体健康的影响更加值得关注。
[0003]现有研究计算大气污染人群健康风险时往往是通过统计数据(查手册)进行评价，通过查询手册获得的统计数据具有静态、非空间性和静态统计学属性，获得的评价结果与实际情况往往相差很远。由于大气环流影响，大气污染变化往往具有瞬时性，利用传统的人口分布统计方法无法准确地获取瞬时性的大气污染变化对人体健康的影响。

技术实现思路

[0004]本申请实施例提供一种大气污染对人体健康风险指标确定方法、装置和电子设备，用以解决利用传统的人口分布统计方法无法准确地获取瞬时性的大气污染变化对人体健康的影响的技术问题。
[0005]第一方面，本申请实施例提供一种大气污染对人体健康风险指标确定方法，包括：
[0006]获取设定的时间段和区域内对应的大气污染浓度信息集和用户属性信息集；
[0007]根据所述大气污染浓度信息集和用户属性信息集，获得符合概率分布条件的随机数列；
[0008]根据所述随机数列，进行蒙特卡洛模拟以获得人群健康风险值。
[0009]在一个实施例中，所述用户属性信息集基于信令数据获得。
[0010]在一个实施例中，所述获取设定的时间段和区域内对应的大气污染浓度信息集和用户属性信息集，包括：
[0011]获取设定的时间段和区域，将所述区域划分为多个格网，其中，所述时间段的时长取值为设定范围内的随机数；
[0012]获取对应的大气污染浓度信息和用户属性信息，根据所述格网将所述大气污染浓度信息和用户属性信息划分为大气污染浓度信息集和用户属性信息集。
[0013]在一个实施例中，所述将所述区域划分为多个格网，包括：
[0014]根据随机选择的形状将所述区域划分为多个格网，所述格网的边长取值为设定范围内的随机数。
[0015]在一个实施例中，所述根据所述大气污染浓度信息和用户属性信息，获得符合概率分布条件的随机数列，包括：
[0016]拟合所述大气污染浓度信息和用户属性信息集的概率分布，获得所述大气污染浓度信息集和用户属性信息集的每一类数据的概率密度函数的分布集；
[0017]根据所述概率密度函数的分布集，从所述大气污染浓度信息集和用户属性信息集中抽取符合概率分布的随机数列。
[0018]在一个实施例中，所述根据所述随机数列，进行蒙特卡洛模拟以获得人群健康风险值，包括：
[0019]根据瞬间时刻的所述随机数据，进行蒙特卡洛模拟以获得瞬间时刻的健康风险值；
[0020]根据所述瞬间时刻的健康风险值，获得健康风险值的原始序列；
[0021]基于机器学习方法对所述原始序列进行预测以获得人群健康风险值。
[0022]在一个实施例中，还包括：
[0023]按照设定的时间间隔持续更新设定的时间段，根据更新后的时间段获得健康风险评价预测值，比较所述健康风险评价预测值和人群健康风险值，根据比较结果调整机器学习方法对所述原始序列进行预测时所需的参数。
[0024]在一个实施例中，还包括：
[0025]若多次蒙特卡洛模拟获得的健康风险值的误差大于设定值，则利用机器学习方法调整所述概率分布条件。
[0026]第二方面，本申请实施例提供一种大气污染对人体健康风险指标确定装置，包括：
[0027]信息获取模块，用于获取设定的时间段和区域内对应的大气污染浓度信息集和用户属性信息集；
[0028]随机数列抽取模块，用于根据所述大气污染浓度信息集和用户属性信息集，获得符合概率分布条件的随机数列；
[0029]模拟计算模块，用于根据所述随机数列，进行蒙特卡洛模拟以获得人群健康风险值。
[0030]第三方面，本申请实施例提供一种电子设备，包括处理器和存储有计算机程序的存储器，所述处理器执行所述程序时实现第一方面所述的大气污染对人体健康风险指标确定方法的步骤。
[0031]第四方面，本申请实施例提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现第一方面所述的大气污染对人体健康风险指标确定方法的步骤。
[0032]本申请实施例提供的大气污染对人体健康风险指标确定方法、装置和电子设备，通过获取设定的时间段和区域内的用户属性信息，基于蒙特卡洛模拟获得人群健康风险值，可以更加精准地获得空气污染对于人体健康风险指标。
附图说明
[0033]为了更清楚地说明本申请或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0034]图1是本申请实施例提供的大气污染对人体健康风险指标确定方法的流程示意图；
[0035]图2是本申请实施例提供的Stacking融合模型构建路径示意图；
[0036]图3是某地四种污染物健康风险评价总体的蒙特卡洛累积概率图；
[0037]图4是本申请实施例提供的大气污染健康评价装置的框架示意图；
[0038]图5是本申请实施例提供的电子设备的结构示意图。
具体实施方式
[0039]为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0040]图1为本申请实施例提供的大气污染对人体健康风险指标确定方法的流程图。参照图1，本申请实施例提供一种大气污染对人体健康风险指标确定方法，可以包括：
[0041]S100，获取设定的时间段和区域内对应的大气污染浓度信息集和用户属性信息集。
[0042]大气污染物指的是以各种方式排放进入大气中，可能对人体、生物、建筑材料以及整个大气环境造成危害或不良影响的物质，包括颗粒污染物、气体污染物。大气污染物浓度具体有两种表示方法，一是质量浓度，而是体积浓度。大气污染浓度信息基于大气污染物监测设备获取。
[0043]根据人群大气污染健康风险评价公式所需的自变量，实时获取用户属性信息，包括位置、年龄、暴露时间、行动方式等。
[0044]S200，根据所述大气污染浓度信息和用户属性信息，获得符合概率分布条件的随机数列。
[0045]概率分布用于表述随机变量取值的概率规律，设定概率分布条件，以保证后本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大气污染对人体健康风险指标确定方法，其特征在于，包括：获取设定的时间段和区域内对应的大气污染浓度信息集和用户属性信息集；根据所述大气污染浓度信息集和所述用户属性信息集，获得符合概率分布条件的随机数列；根据所述随机数列，进行蒙特卡洛模拟以获得人群健康风险值。2.根据权利要求1所述的大气污染对人体健康风险指标确定方法，其特征在于，所述用户属性信息集基于信令数据获得。3.根据权利要求1所述的大气污染对人体健康风险指标确定方法，其特征在于，所述获取设定的时间段和区域内对应的大气污染浓度信息集和用户属性信息集，包括：获取设定的时间段和区域，将所述区域划分为多个格网，其中，所述时间段的时长取值为设定范围内的随机数；获取对应的大气污染浓度信息和用户属性信息，根据所述格网将所述大气污染浓度信息和用户属性信息划分为大气污染浓度信息集和用户属性信息集。4.根据权利要求3所述的大气污染对人体健康风险指标确定方法，其特征在于，所述将所述区域划分为多个格网，包括：根据随机选择的形状将所述区域划分为多个格网，所述格网的边长取值为设定范围内的随机数。5.根据权利要求1所述的大气污染对人体健康风险指标确定方法，其特征在于，所述根据所述大气污染浓度信息集和用户属性信息集，获得符合概率分布条件的随机数列，包括：拟合所述大气污染浓度信息集和用户属性信息集的概率分布集，获得所述大气污染浓度信息集和用户属性信息集的每一类数据的概率密度函数的分布集；根据所述概率密度函数的分布集，从所述大气污染浓度信息集和用户属性信息集中抽取符合概率分布的随机数列。6.根据权利要求1所述的大气污染对人体健康风险指标确定方法，其特征在于，所...

【专利技术属性】
技术研发人员：陈立峰，何榕健，何庆，徐海勇，陶涛，杨猛，尚晶，陈卓，余琦，方雷，戴晓燕，马蔚纯，王祥荣，周立国，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：