本发明专利技术提供了一种工业园区大气污染的预测方法及预测预警系统，该方法包括：选取研究区域内的环境监测点往年的监测数据作为数据来源，对数据进行数据集缺失值插补、气象因子筛选、数据归一化的重构处理后，输入至SA‑LSTM模型与XGBoost模型中训练，得到组合模型；再构建工业园区大气污染数据预测预警系统，利用系统中的模块对污染物监测数据信息进行预测发布。本发明专利技术通过提供一种工业园区大气污染的预测方法及预测预警系统，可以精确及时的监测预测工业园区内的大气污染指数，为工业园区大气污染智能管控提供科学依据，还可以极大地提高工业园区的风险监控、快速预警和应急响应能力。
【技术实现步骤摘要】
本专利技术涉及工业园区大气污染物监测，尤其涉及一种工业园区大气污染的预测方法及预测预警系统。
技术介绍
1、工业园区生产过程中排放的大气污染物是重要的环境污染源，工业园区是工业大气污染控制的主战场，对园区大气关键污染物进行预测分析及开展区域大气环境质量调控技术研究，将极大地提高工业园区的风险监控、快速预警和应急响应能力，有效保障区域生态环境安全和人民群众生命财产安全。要控制好大气污染的排放问题，精准的预测是基础和前提。合理的预测方法和技术，对于制定和完善大气环境防污治理政策有着重大意义。
2、过去的对园区的管控重点体现在实时监测园区大气污染物，而对工业园区的特征污染物进行科学预测研究较少，本专利技术基于温州市工业园区，分析工业园区污染物历史数据，利用有关的先进的模型，对工业园区大气污染物进行科学预测，为工业园区大气污染智能管控提供科学依据。
技术实现思路
1、本专利技术提供了一种工业园区大气污染的预测方法及预测预警系统，该方法通过提供一种污染预测模型与基于此模型构建的污染物预测预警平台，可以实现对大气污染物的实时监测与预测，还可以根据预测结果，发布预警，对园区污染及时预防治理。
2、具体技术方案如下：
3、一种工业园区大气污染的预测方法，包括以下步骤：
4、(1)选取工业园区内的环境监测点，调取环境监测点往年的监测数据作为训练集；
5、(2)将步骤(1)的训练集依次进行缺失值插补处理和数据归一化处理，得到处理后的数据集；</p>6、(3)将步骤(2)处理后的数据集分别输入至sa-lstm模型与xgboost模型中进行模型训练，再使用方差倒数法，获得sa-lstm与xgboost的组合预测模型；
7、(4)调取环境监测点上一时刻的监测数据，分别输入至所述组合预测模型中，获得预测的下一时刻大气污染状况。
8、文中aqi代表空气质量指数，环境监测点为政府设置的环境监测点。
9、进一步地，步骤(1)中，所述监测数据包括污染物的浓度数据；所述污染物包括co、so2、no2、o3、pm2.5、pm10；所述大气污染状况的指标为pm2.5和空气质量指数aqi。
10、进一步地，步骤(2)中，所述缺失值插补处理的方法为：
11、(2-1)从训练集中寻找到缺失的污染物浓度数据和对应的缺失时刻；
12、(2-2)使用自编码器模型，调取所述缺失时刻的前一时刻和后一时刻所对应的污染物浓度数据，计算两者的平均值，作为缺失时刻的污染物浓度数据。
13、进一步地，步骤(1)中，调取的监测数据还包括气象数据；所述气象数据包括风速、风向、气压、气温和湿度；
14、步骤(2)中，在缺失值插补处理后，先进行气象数据的筛选，再进行数据归一化处理；
15、所述气象数据的筛选方法为：
16、(2-a)将步骤(1)获取的监测数据中的气象数据与pm2.5浓度数据、空气质量指数进行相关性分析，得到相关系数；
17、(2-b)根据相关性判断标准，判断各气象数据与pm2.5浓度数据、空气质量指数的相关性高低，得到能够作为步骤(3)中所述组合模型输入的气象数据。
18、进一步地，所述的相关性判断标准为，利用相关分析工具完成气象因子与pm2.5的相关分析，相关系数的代表着两种变量之间相关性是否显著，如果|相关系数|<0.4，相关性低；如果0.4≤|相关系数|<0.7，线性相关显着；如果0.7≤|相关系数|≤1，高度相关；
19、表1pm2.5及aqi与气象因子相关性
20、
21、相关系数表显示，与pm2.5相关性最大的参数是aqi，达到了0.931，相关性排序为aqi>气温>湿度>风向>风速>气压，总体来看，鹿城轻工业园区pm2.5、aqi与气象因子相关性均为显著，但是pm2.5、aqi与风速、风向、气压相关性较低，与气温、湿度相关性显着，pm2.5及aqi与气象因子相关性图见附图；根据相关系数表显示得到风速、气压、温度、湿度四个气象因子作为预测模板输入数据；
22、进一步地，步骤(2)中，数据归一化的处理方法为：
23、将处理好的数据利用mapminmax函数中对归一化处理，归一化公式为：
24、
25、式(1)中，x′表示每一样本特征单个数据的取值，min是样本特征数据的最小值，max是样本特征数据的最大值。
26、进一步地，所述组合模型中的sa-lstm模型，包括以下四个组成部分：
27、i)输入层：以时间为序，用于输入环境监测点的监测数据；
28、ii)lstm层：在对lstm层、记忆和遗忘进行编码后，得到隐藏层的输出向量；
29、iii)自注意层：自注意机制生成权重向量，对所有时间步长的隐藏状态进行加权，并将注意力集中在整个隐藏状态信息序列中更重要的部分；
30、iv)输出层：序列级特征向量最终用于时间序列数据分析和预测；
31、进一步地，xgboost模型的训练，包括以下步骤：
32、将步骤(2)中的预处理后得到数据集进行分割，分割为训练集和测试集，提取训练集特征值输入到xgboost分类模型中，训练得到xgboost分类模型，用测试集进行测试，测试通过得到最终模型；
33、进一步地，步骤(3)中，所述sa-lstm模型中lstm初始化参数为：权重梯度学习率设置为0.001，输入张量10，输入维度64，迭代次数为100；随机种子为42；所述xgboost模型设置树最大深度6，学习率0.05，使用100颗树拟合；随机种子为42；
34、进一步地，选择均方根误差，平均绝对误差，平均绝对百分比误差，作为模型的评价指标；
35、均方根误差公式如下：
36、
37、式(2)，其中为真实值，是预测值，通过相减后平方求和，取其数值的平均，预测值与真实值越接近rmse的值越小；误差越大，rmse的值也就越大；mse代表均方根值，m代表观测次数，yi代表观测值，代表真实值；
38、平均绝对误差公式如下：
39、
40、式(3)，其中为真实值，表示是预测值，通过相减平方求和后取平均，预测值与真实值越接近mae的值越小；误差越大，mae的值也就越大；m代表观测次数，yi代表观测值，代表真实值；
41、平均绝对百分比误差公式如下：
42、
43、式(4)，是真实值，表示预测值，范围[0，+∞)，mape为0％表示完美模型，mape大于100％则表示劣质模型；n代表观测次数，yi代表观测值，代表真实值；
44、进一步地，将训练后sa-lstm与xgboost模型组合，组合过程为，将sa-lstm模型与xgboost模型的预测结果使用方差本文档来自技高网
...
【技术保护点】
1.一种工业园区大气污染的预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的工业园区大气污染的预测方法，其特征在于，步骤(1)中，所述监测数据包括污染物的浓度数据；所述污染物包括CO、SO2、NO2、O3、PM2.5、PM10；所述大气污染状况的指标为PM2.5和空气质量指数AQI。
3.如权利要求1所述的工业园区大气污染的预测方法，其特征在于，步骤(2)中，所述缺失值插补处理的方法为：
4.如权利要求1所述的工业园区大气污染的预测方法，其特征在于，步骤(1)中，调取的监测数据还包括气象数据；所述气象数据包括风速、风向、气压、气温和湿度；
5.如权利要求4所述的工业园区大气污染的预测方法，其特征在于，所述的相关性判断标准为：
6.如权利要求1所述的工业园区大气污染的预测方法，其特征在于，步骤(2)中，所述数据归一化处理的方法为：
7.如权利要求1所述的工业园区大气污染的预测方法，其特征在于，步骤(3)中，所述SA-LSTM模型中LSTM初始化参数为：权重梯度学习率设置为0.001，输入张量10，输入维度64，迭代次数为100；随机种子为42；所述XGBoost模型设置树最大深度6，学习率0.05，使用100颗树拟合；随机种子为42。
8.一种工业园区大气污染数据预测预警系统，其特征在于，包括：
9.如权利要求8所述的工业园区大气污染数据预测预警系统，其特征在于，所述监测数据包括污染物的浓度数据；所述污染物包括CO、SO2、NO2、O3、PM2.5、PM10；所述大气污染状况的指标为PM2.5和空气质量指数AQI。
...
【技术特征摘要】
1.一种工业园区大气污染的预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的工业园区大气污染的预测方法，其特征在于，步骤(1)中，所述监测数据包括污染物的浓度数据；所述污染物包括co、so2、no2、o3、pm2.5、pm10；所述大气污染状况的指标为pm2.5和空气质量指数aqi。
3.如权利要求1所述的工业园区大气污染的预测方法，其特征在于，步骤(2)中，所述缺失值插补处理的方法为：
4.如权利要求1所述的工业园区大气污染的预测方法，其特征在于，步骤(1)中，调取的监测数据还包括气象数据；所述气象数据包括风速、风向、气压、气温和湿度；
5.如权利要求4所述的工业园区大气污染的预测方法，其特征在于，所述的相关性判断标准为：
6.如权利要求1...
【专利技术属性】
技术研发人员：王奇，赵敏，柯强，黄波，王传花，于恒国，
申请(专利权)人：温州大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。