System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及环境质量监测,具体涉及一种pm2.5点位高值识别方法、系统、设备及介质。
技术介绍
1、大气环境质量监测中,通过布置地面监测站点并对监测小时数据进行分析来识别点位高值,再与其他污染源信息,现场环保调查反馈情况相结合,此类工作流程被广泛应用于环境保护监管中。其中,在监测点位高值数据识别中,现阶段常见的高值识别手段主要是通过各类固定规则识别,如:超过固定阈值;与周边点位的差值超过阈值等。
2、在实际的监测场景中,一个城市内存在两类监测点位,由于其属于不同的厂商,因此监测原理有所不同或设备维护状况有差异。现有的基于固定规则的高值识别算法若直接应用于此类点位,则由于上述客观原因可能导致高值识别结果出现结构性差异,而监测点位具体情况的复杂性,如针对不同类型、不同维护状况的点位的手工确定差异化又使得基于固定规则的高值识别算法难以实现。
技术实现思路
1、有鉴于此,本申请实施例提供一种基于预测算法的pm2.5点位高值识别方法,以达到提高pm2.5点位高值识别结果精准性的目的。
2、本申请实施例提供以下技术方案:一种pm2.5点位高值识别方法,包括:
3、确定待测区域中的所有监测点位,根据每个监测点位的pm2.5历史数据和pm10历史数据,分别计算所有监测点位中每两个所述监测点位之间的历史数据相关系数;
4、在所有监测点位中,根据目标监测点位与其余监测点位之间的所述历史数据相关系数,及目标监测点位与其余监测点位之间的距离,分别获取所述目
5、根据所述目标监测点位的历史数据,以及多个所述相似点位集合中各点位的历史数据和实际监测数据,构建机器学习模型,通过模型预测获得所述目标监测点位的pm2.5数据预测范围;
6、将所述目标监测点位的实际监测数据与所述pm2.5数据预测范围的上限值进行比较,识别所述目标监测点位的当前pm2.5数据是否为点位高值。
7、根据本申请一种实施例,所述pm2.5历史数据包括历史1年的pm2.5数据和前1个月pm2.5数据,所述pm10历史数据包括历史1年pm10数据和前1个月pm10数据。
8、根据本申请一种实施例,所述历史数据相关系数为pm2.5历史数据的相关系数和pm10历史数据的相关系数的平均值;
9、其中,所述相关系数的计算公式如下:
10、
11、式中,为相关系数,为第m个点位的第k个历史数据,p为历史数据总小时数,为第m个点位的历史数据均值,为第n个点位的第k个历史数据,为第n个点位的历史数据均值。
12、根据本申请一种实施例,在所有监测点位中,根据目标监测点位与其余监测点位之间的所述历史数据相关系数,及目标监测点位与其余监测点位之间的距离,分别获取所述目标监测点位的多个相似点位集合,包括:
13、在所有监测点位中,将目标监测点位与其余监测点位之间所有的所述历史数据相关系数自高至低进行排序,获取所述历史数据相关系数排序在前的设定数量的对应监测点位,将所述对应监测点位作为所述目标监测点位的相似点位集合a;
14、在所有监测点位中,将目标监测点位与其余监测点位之间的距离按照由近至远的顺序进行排序,取所述距离在设定的第一阈值范围内的设定数量的监测点位作为所述目标监测点位的相似点位集合b;取所述距离在设定的第二阈值范围内的设定数量的监测点位作为所述目标监测点位的相似点位集合c。
15、根据本申请一种实施例,根据所述目标监测点位的历史数据,以及多个所述相似点位集合中各点位的历史数据和实际监测数据,构建机器学习模型,通过模型预测获得所述目标监测点位的pm2.5数据预测范围,包括:
16、将所述目标监测点位的历史数据、多个所述相似点位集合中各点位的历史数据、各点位的实际监测数据中的至少一类数据作为输入数据,分别对多个机器学习模型进行训练,获得多个预测模型;
17、通过所述多个预测模型获得多个预测结果,取所述多个预测结果中的次高值,将所述次高值乘以系数a后作为所述pm2.5数据预测范围的上限值。
18、根据本申请一种实施例,所述机器学习模型是基于xgboost算法构建的机器学习模型。
19、根据本申请一种实施例,将所述目标监测点位的实际监测数据与所述pm2.5数据预测范围的上限值进行比较,识别所述目标监测点位的当前pm2.5数据是否为点位高值,包括:
20、若所述目标监测点位的pm2.5小时数据高于所述pm2.5数据预测范围的上限值,则将所述目标监测点位的当前pm2.5数据判断为1类高值;
21、若所述目标监测点位的至少连续3小时的pm2.5数据均判断为1类高值,则将该目标监测点位的当前pm2.5数据判断为2类高值;
22、若所述目标监测点位及该点位周边3km范围内的监测点位的pm2.5数据均判断为1类高值,则将该目标监测点位的当前pm2.5数据判断为3类高值。
23、本申请还提供一种pm2.5点位高值识别系统,包括:
24、计算模块,用于在确定待测区域中的所有监测点位后,根据每个监测点位的pm2.5历史数据和pm10历史数据,分别计算所有监测点位中每两个所述监测点位之间的历史数据相关系数;
25、相似点位获取模块,用于在所有监测点位中,根据目标监测点位与其余监测点位之间的所述历史数据相关系数,及目标监测点位与其余监测点位之间的距离,分别获取所述目标监测点位的多个相似点位集合;
26、预测模块,用于根据所述目标监测点位的历史数据,以及多个所述相似点位集合中各点位的历史数据和实际监测数据,构建机器学习模型,通过模型预测获得所述目标监测点位的pm2.5数据预测范围;
27、识别模块,用于将所述目标监测点位的实际监测数据与所述pm2.5数据预测范围的上限值进行比较,识别所述目标监测点位的当前pm2.5数据是否为点位高值。
28、本申请还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的pm2.5点位高值识别方法。
29、本申请还提供一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述的pm2.5点位高值识别方法的计算机程序。
30、与现有技术相比,本说明书实施例采用的上述至少一个技术方案能够达到的有益效果至少包括:本专利技术实施例基于污染物、气象等历史数据,按点位类型、点位当前数据特征、运维情况等,选取与目标点位相似、有关联的点位数据集合,根据点位数据集合构建学习模型,预测出基于相似点位的目标点位数据的合理范围,再将点位实际数据与预测的合理范围进行比较,进而识别pm2.5点位高值。本专利技术提出基于历史数据的预测算法,用于识别pm2.5点位高值,能够解决需考虑因素非常多的点位分类和处理的问题,且本算法能够应用于复杂大型的区域/项目,获得统一的、精本文档来自技高网...
【技术保护点】
1.一种PM2.5点位高值识别方法,其特征在于,包括:
2.根据权利要求1所述的PM2.5点位高值识别方法,其特征在于,所述PM2.5历史数据包括历史1年的PM2.5数据和前1个月PM2.5数据,所述PM10历史数据包括历史1年PM10数据和前1个月PM10数据。
3.根据权利要求1或2所述的PM2.5点位高值识别方法,其特征在于,所述历史数据相关系数为PM2.5历史数据的相关系数和PM10历史数据的相关系数的平均值;
4.根据权利要求1所述的PM2.5点位高值识别方法,其特征在于,在所有监测点位中,根据目标监测点位与其余监测点位之间的所述历史数据相关系数,及目标监测点位与其余监测点位之间的距离,分别获取所述目标监测点位的多个相似点位集合,包括:
5.根据权利要求1所述的PM2.5点位高值识别方法,其特征在于,根据所述目标监测点位的历史数据,以及多个所述相似点位集合中各点位的历史数据和实际监测数据,构建机器学习模型,通过模型预测获得所述目标监测点位的PM2.5数据预测范围,包括:
6.根据权利要求1所述的PM2.5点位高
7.根据权利要求1所述的PM2.5点位高值识别方法,其特征在于,将所述目标监测点位的实际监测数据与所述PM2.5数据预测范围的上限值进行比较,识别所述目标监测点位的当前PM2.5数据是否为点位高值,包括:
8.一种PM2.5点位高值识别系统,其特征在于,包括:
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的PM2.5点位高值识别方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求1至7中任一项所述的PM2.5点位高值识别方法的计算机程序。
...【技术特征摘要】
1.一种pm2.5点位高值识别方法,其特征在于,包括:
2.根据权利要求1所述的pm2.5点位高值识别方法,其特征在于,所述pm2.5历史数据包括历史1年的pm2.5数据和前1个月pm2.5数据,所述pm10历史数据包括历史1年pm10数据和前1个月pm10数据。
3.根据权利要求1或2所述的pm2.5点位高值识别方法,其特征在于,所述历史数据相关系数为pm2.5历史数据的相关系数和pm10历史数据的相关系数的平均值;
4.根据权利要求1所述的pm2.5点位高值识别方法,其特征在于,在所有监测点位中,根据目标监测点位与其余监测点位之间的所述历史数据相关系数,及目标监测点位与其余监测点位之间的距离,分别获取所述目标监测点位的多个相似点位集合,包括:
5.根据权利要求1所述的pm2.5点位高值识别方法,其特征在于,根据所述目标监测点位的历史数据,以及多个所述相似点位集合中各点位的历史数据和实际监测数据,构建...
【专利技术属性】
技术研发人员:刘保献,王莉华,沈秀娥,王小菊,王欣,李云婷,景宽,安青青,姜南,张立坤,
申请(专利权)人:北京市生态环境监测中心,
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。