[发明专利]一种提高大气污染模型预测效率的方法

权利要求书

1.一种提高大气污染模型预测效率的方法，应用于通过大气污染模型评测污染区域的过程中，其特征在于，所述方法包括：

对原始气象数据进行预处理获取边界层参数数据和廓线数据，根据所述边界层参数数据、所述廓线数据、污染源参数以及地形数据获取大气污染模型内各个预测网格点的污染浓度值，根据所述污染浓度值获取关注污染物浓度的等值线并根据所述等值线获取污染影响面积；

利用所述边界层参数数据、所述廓线数据以及所述污染影响面积建立具有预测作用的多项式预测模型；

以存在大气污染时的实时气象数据为输入，根据所述多项式预测模型获取预测污染面积，将所述预测污染面积和污染源的位置信息导入到大气污染模型中作为选取所述大气污染模型中评测污染区域的依据。

2.根据权利要求1所述的提高大气污染模型预测效率的方法，其特征在于，通过对所述各个预测网格点的污染浓度值进行插值运算获取所述关注污染物浓度的等值线。

3.根据权利要求2所述的提高大气污染模型预测效率的方法，其特征在于，所述获取污染影响面积具体为：获取所述等值线中最远两点之间的距离，以所述距离为边长构建涵盖所述等值线在内的正方形，获取所述正方形的面积并以所述正方形的面积作为所述污染影响面积。

4.根据权利要求1、2或3所述的提高大气污染模型预测效率的方法，其特征在于，所述等值线至少为两条。

5.根据权利要求1所述的提高大气污染模型预测效率的方法，其特征在于，利用所述边界层参数数据、所述廓线数据以及所述污染影响面积建立具有预测作用的多项式预测模型具体为：

以所述边界层参数数据和所述廓线数据为训练数据，以所述污染影响面积为因变量数据，经过对所述训练数据的多次训练获得多项式模型，再根据均方误差和拟合优度对所述多项式模型进行优化获得所述具有预测作用的多项式预测模型。

6.根据权利要求5所述的提高大气污染模型预测效率的方法，其特征在于，所述具有预测作用的多项式预测模型为：

f(x₁,x₂,x₃...x_m)＝β₀x₁ⁿ+β₁x₂ⁿ+...+β_n-1x_nⁿ+β_nx₁^n-1x₂...x_m

其中，x₁,x₂,x₃...x_m分别为边界层参数数据和廓线数据的主分量参数构成的多项式预测模型的训练输入数据；β₀,β₁...β_n-1,β_n分别为多项式预测模型中训练输入数据的系数；n为模型训练输入参数的个数；m为组合项参数的个数。

7.根据权利要求6所述的提高大气污染模型预测效率的方法，其特征在于，根据均方误差和拟合优度对所述多项式模型进行优化具体为：获取模型预测面积的均方误差的和以及拟合优度之后，利用梯度下降法获取代价函数在最小值时多项式预测模型中系数的值。

8.根据权利要求7所述的提高大气污染模型预测效率的方法，其特征在于，

所述模型预测面积的均方误差的和为：其中，S_i为模型对面积的预测值，S_ri为包含等值线的正方形的真实值，n为样本数，i为样本中的第i个样本；

所述拟合优度为：其中，r²为所建模型对问题拟合的拟合优度，S_i为模型对面积的预测值，S为模型预测面积的平均值，x_i为边界层参数数据和廓线数据的主分量参数构成的多项式预测模型的训练输入数据；为x_i的平均值；

所述代价函数为：其中，β₀,β₁...为多项式预测模型中训练输入数据的系数，r²为所建模型对问题拟合的拟合优度，S⁽ⁱ⁾为第i个样本的面积真实值，f(X⁽ⁱ⁾)为第i个样本的模型对面积的预测值；

梯度下降法采用的公式为：其中，α为学习率，β_j为多项式预测模型训练输入数据的系数系数，β₀,β₁...为多项式预测模型中训练输入数据的系数。