【技術實現步驟摘要】
本專利技術涉及大氣環境監測與分析，尤其涉及一種基于氣象要素關聯性分析預測大氣污染物濃度方法、系統、設備及介質。
技術介紹
1、隨著工業化進程的加速以及城市化進程的發展，大氣污染問題日益凸顯，為了有效控制和治理大氣污染，需要準確地監測和預測大氣污染物的濃度變化趨勢。特別是在實施人工影響天氣作業(人影作業)的過程中，如何評估這些活動對空氣質量的影響顯得尤為重要。
2、相關技術中，在氣象數據預測方面，arima模型(自回歸積分移動平均模型)可以捕捉時間序列的特征和趨勢，從而預測未來的氣象數據。然而，針對人影作業中氣象監測大氣環境精細化分析產品再加工預測處理分析，人影作業中的氣象監測數據往往具有復雜的多變性和隨機性，arima模型在處理這類數據時，可能無法準確地處理其變化規律和特征，而且傳統arima模型預測方面沒有考慮氣象要素對污染物的影響，從而導致預測結果的準確性受限，從而也無法準確的通過可視化表現數據分析結果。
技術實現思路
1、本專利技術提供一種基于氣象要素關聯性分析預測大氣污染物濃度方法、系統、設備及介質，解決了相關技術中如何提高大氣污染物濃度分析預測準確性及可視化的問題。
2、為達到上述目的，本申請采用如下技術方案：
3、第一方面，提供一種基于氣象要素關聯性分析預測大氣污染物濃度方法，包括：
4、基于大氣環境精細化分析產品數據資源，提取大氣環境多源氣象歷史監測數據并預處理；所述大氣環境多源氣象歷史監測數據包括大氣污染物要素和氣象要
5、根據預處理的大氣環境多源氣象歷史監測數據，建立大氣污染物單要素時間序列；
6、使用最小二乘法來估計回歸系數，確定各氣象要素與各個污染物之間的關聯性，計算氣象要素影響因子系數；
7、基于氣象要素影響因子系數，構建混合模型；通過所述混合模型進行大氣污染物指數預測；
8、接收當前用戶輸入，生成與當前用戶輸入相匹配的大氣污染物濃度預測信息及可視化分析展示。
9、在第一方面的第一種可能的實現方式中，所述大氣環境多源氣象歷史監測數據包括二氧化硫、二氧化氮、臭氧、一氧化碳、pm10、pm2.5、大氣氣壓、溫度、濕度、風速、風向的逐日逐時數據。
10、基于第一方面的第一種可能的實現方式，在第一方面的第二種可能的實現方式中，所述氣象要素影響因子系數即當前時間各氣象要素對大氣污染影響因子系數：
11、采用以下表達式(1)計算：
12、
13、其中，是各氣象要素對大氣污染的影響因子系數；xi1、xi2…,xin是各氣象要素，包括、溫度、濕度、風速、風向等氣象元素；b0，b1，b2…，bn是通過最小二乘法來估計回歸系數；最小二乘法的目標是使觀測值yi與預測值之間的誤差平方和最小，其中m是觀測樣本氣象元素的數量。
14、基于第一方面的第二種可能的實現方式，在第一方面的第三種可能的實現方式中，通過混合模型進行大氣污染物指數預測，具體包括：大氣環境要素趨向預測值計算；數據與過去噪聲的關系計算；大氣污染物指數預測計算。
15、基于第一方面的第三種可能的實現方式，在第一方面的第四種可能的實現方式中，
16、采用以下表達式(2)，計算當前時間點各大氣環境要素趨向預測值：
17、
18、其中，yt是大氣環境單要素時間序列數據在時間t的觀察值；yt-p是當前時間往前推過去p各時間實測值，p為過去p個時間點；到為當前值與過去p個時間點值至今的關系系數；δt為在t時間點的誤差項；c是一個常數項；
19、采用以下表達式(3)，計算當前時間點的數據與過去噪聲的關系：
20、pt＝μ+∈t+θ1∈t-1+θ2∈t-2+θ3∈t-3+…+θq∈t-q???(3)
21、其中，pt是大氣環境單要素時間序列與過去噪聲相關的時間序列，在時間t的觀察值；μ為時間序列的均值，這個值對所有的時間點都是相同的；∈t，∈t-1,…∈t-q為白噪聲項，這些是對應當前時間點的白噪聲；θ1，θ2,…,θq每一個對應一個白噪聲影響程度項，這些是對應的白噪聲對當前時間點的影響程度；q是階數，表示有多少個過去的白噪聲項被納入計算模型；
22、所述大氣污染物指數預測計算，具體包括：
23、計算當前時間點各大氣環境要素預測值；采用以下表達式(4)，計算當前時間點各大氣環境要素預測值：
24、
25、其中，ct為各大氣污染物要素預測值數據；是各氣象要素對大氣污染影響因子系數；
26、根據所述大氣環境要素預測值計算每種污染物的分指數；采用以下表達式(5)計算每種污染物的分指數：
27、(it)：
28、其中，ct是預測值濃度，st是標準濃度；
29、根據每種污染物的分指數加權計算綜合指數；采用以下表達式(6)進行計算：
30、
31、其中，iw為預測大氣污染物綜合指數；wco，wpm10，wpm2.5是各大氣污染物權重系數，且權重總和為1；ico，ipm10，ipm2.5是每種污染物的分指數。
32、在第一方面的第五種可能的實現方式中，所述可視化分析展示，包括：
33、氣污染物濃度與氣壓/氣溫/風速關聯關系圖；
34、人工降雨量與大氣污染物降低總量關系圖；
35、大氣污染物濃度空間分布圖；
36、預測大氣污染物濃度走向圖。
37、基于第一方面的任一種可能的實現方式，在第一方面的第五種可能的實現方式中，
38、在進行使用最小二乘法來估計回歸系數，確定各氣象要素與各個污染物之間的關聯性，計算氣象要素影響因子系數步驟之前，進行如下步驟：
39、判斷大氣污染物單要素時間序列是否為平穩序列；若為非平穩序列，則將大氣污染物單要素進行差分運算處理轉換為平穩時間序列。
40、第二方面，提供一種基于氣象要素關聯性分析預測大氣污染物濃度系統，包括：
41、數據預處理模塊，用于基于大氣環境精細化分析產品數據資源，提取大氣環境多源氣象歷史監測數據并預處理；所述大氣環境多源氣象歷史監測數據包括大氣污染物要素和氣象要素；
42、時間序列模塊，用于根據預處理的大氣環境多源氣象歷史監測數據，建立大氣污染物單要素時間序列；
43、氣象要素影響因子模塊，用于使用最小二乘法來估計回歸系數，確定各氣象要素與各個污染物之間的關聯性，計算氣象要素影響因子系數；
44、混合模型預測模塊，用于基于氣象要素影響因子系數，構建混合模型；通過所述混合模型進行大氣污染物指數預測；
45、可視化分析模塊，用于接收當前用戶輸入，生成與當前用戶輸入相匹配的大氣污染物濃度預測信息及可視化分析展示。
46、第三方面，提供一種電子設備，所述電子設備包括：存儲器、處理器及存儲在所述存儲器上并本文檔來自技高網...
【技術保護點】
1.基于氣象要素關聯性分析預測大氣污染物濃度方法，其特征在于，包括：
2.根據權利要求1所述的基于氣象要素關聯性分析預測大氣污染物濃度方法，其特征在于，
3.根據權利要求2所述的基于氣象要素關聯性分析預測大氣污染物濃度方法，其特征在于，
4.根據權利要求3所述的基于氣象要素關聯性分析預測大氣污染物濃度方法，其特征在于，
5.根據權利要求4所述的基于氣象要素關聯性分析預測大氣污染物濃度方法，其特征在于，
6.根據權利要求1所述的基于氣象要素關聯性分析預測大氣污染物濃度方法，其特征在于，
7.根據權利要求1-6任一項所述的基于氣象要素關聯性分析預測大氣污染物濃度方法，其特征在于，
8.基于氣象要素關聯性分析預測大氣污染物濃度系統，其特征在于，包括：
9.一種電子設備，其特征在于，所述電子設備包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序被所述處理器執行時實現如權利要求1至7中任一項所述基于氣象要素關聯性分析預測大氣污染物濃度方法的步驟。
<...【技術特征摘要】
1.基于氣象要素關聯性分析預測大氣污染物濃度方法，其特征在于，包括：
2.根據權利要求1所述的基于氣象要素關聯性分析預測大氣污染物濃度方法，其特征在于，
3.根據權利要求2所述的基于氣象要素關聯性分析預測大氣污染物濃度方法，其特征在于，
4.根據權利要求3所述的基于氣象要素關聯性分析預測大氣污染物濃度方法，其特征在于，
5.根據權利要求4所述的基于氣象要素關聯性分析預測大氣污染物濃度方法，其特征在于，
6.根據權利要求1所述的基于氣象要素關聯性分析預測大氣污染物濃度方法，其特征在于，
7.根據權利要求1-6任一項所...
【專利技術屬性】
技術研發人員：宿興濤，許麗人，滕陳軻敏，朱曉蕾，范志強，卞雙雙，宋堃，秦溧，張麗霞，田文君，屠浩天，岳永燦，高曉涵，
申請(專利權)人：中國電子科技集團公司第十五研究所，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。