[发明专利]一种城市空气质量浓度监测缺失数据的修复方法

说明书

技术领域

本发明涉及环境监测与风险评估领域，特别涉及利用邻近正常监测站点的空气质量浓度监测数据对由于日常维护、突发情况等原因所导致的空气质量浓度监测缺失数据进行修复的一种空气质量浓度监测缺失数据修复方法。

背景技术

在常规的空气质量浓度监测过程中，经常需要对监测站点位置的监测仪器进行校零、校标等日常维护，同时也会遇到通信故障和停电等突发情况，由此导致这些故障监测站点在某时间段内的空气质量浓度监测数据缺失，空气质量浓度监测数据的缺失会影响公众对相关区域内空气质量浓度的及时获取，并降低向公众发布的空气质量浓度监测数据的准确性。因此，需要一种有效对故障监测站点空气质量浓度监测缺失数据的修复方法，以通过相应的技术和方法，对故障监测站点所缺失的空气质量浓度监测数据进行修复，以满足公众对于及时、准确的空气质量浓度监测数据的需求。

区域环境因子的变化对于空气质量浓度的高低具有较强影响，同时对于局部区域而言，环境因子随时间变化的趋势相对稳定，因此，一个城市范围内空气质量浓度随时间变化的规律也具有一定的稳定性，可以通过分析历史空气质量浓度监测数据的规律，对未来时刻的空气质量浓度监测数据进行预测。因此，当某监测站点出现了日常维护或突发情况时，会导致空气质量浓度监测数据缺失，故障监测站点的历史空气质量浓度监测数据能够对该监测站点未来时刻的空气质量浓度监测缺失数据进行预测。

然而，未来时刻的区域环境因子与历史时刻区域环境因子仍然存在差异，仅利用故障监测站点历史空气质量浓度监测数据对未来时刻缺失的空气质量浓度监测数据进行预测，会导致预测结果与真实监测结果存在一定偏差；但历史与未来时刻的环境因子在空间上具有相关性，使得故障监测站点历史空气质量浓度预测值与真实空气质量监测浓度存在的偏差，可以通过邻近正常工作监测站点上同样的偏差对其进行估算。因此，利用城市范围内邻近正常工作监测站点空气质量监测浓度预测值和真实监测浓度的偏差，以空间相关性理论为基础，对仅以历史空气质量浓度监测数据进行预测的故障监测站预测结果进行修正，可以获得故障监测站点空气质量浓度监测缺失数据较准确的修复结果。

发明内容

为了实现准确、及时地对空气质量浓度监测缺失数据进行修复，以制定科学有效的防控措施目的，本发明的技术方案是，一种城市空气质量浓度监测缺失数据的修复方法，包括以下步骤：

1、监测站点空气质量浓度关联性环境因子筛选

本发明采用的监测站点空气质量浓度关联性环境因子的筛选步骤包括：

收集某城市各监测站点位置时间超过一年以上的历史空气质量浓度监测数据和环境因子数据；其中环境因子数据包括：人口密度、地形、交通流量、土地利用类型、气温、风速、风向、气压、湿度、光照；

依据所收集到的历史空气质量浓度监测数据和环境因子数据，以这些数据作为变量节点生成的贝叶斯网络节点，同时在所有贝叶斯网络节点之间用线进行连接，以此构成贝叶斯网络的完全连接图；

由于收集到的历史空气质量浓度监测数据和环境因子数据是非离散型变量，需要对其进行离散化，在非离散型变量中寻找最优离散点，将非离散型变量转化为离散型变量，离散时最优离散点选择的依据是熵最小原则，熵的计算公式如下：

G(X)=-Σi=1npilog2pi;pi=kiK]]>

其中，K表示非离散型变量中变量的总数；k_i表示通过离散点分割后，第i个离散段中非离散型变量的个数；p_i表示通过离散点分割后，第i个离散段中非离散型变量个数占非离散型变量总数的比例，G(X)表示通过离散后离散型变量的熵；