[发明专利]一种气象影响下的大气污染转变关系定量估计方法在审
申请号: | 201711406550.3 | 申请日: | 2017-12-22 |
公开(公告)号: | CN108280131A | 公开(公告)日: | 2018-07-13 |
发明(设计)人: | 余志;丁卉;刘永红 | 申请(专利权)人: | 中山大学 |
主分类号: | G06F17/30 | 分类号: | G06F17/30;G06F17/16 |
代理公司: | 广州科粤专利商标代理有限公司 44001 | 代理人: | 莫瑶江;袁嘉恩 |
地址: | 510275 *** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 气象因素 气象影响 污染变化 样本集 可能性概率 可能性估计 定量结果 历史数据 气象数据 气象条件 气象因子 挖掘 层次化 精细化 样本库 | ||
1.气象影响下的大气污染转变关系定量估计方法,其特征在于,具体步骤如下:
1S.获取历史污染频发期的大气污染数据和气象数据,建立基础样本库;
2S.确定影响大气污染变化的关键气象因素;所述的关键气象因素为分析所有气象因子对大气污染变化的影响作用,并分别计算气象因子与大气污染变化的相关性,选择影响作用强或相关性显著的因子作为关键气象因子;
3S.基于关键气象因素,层次化挖掘相似样本集;
4S.基于相似样本集,计算污染转变发生可能性概率矩阵。
2.根据权利要求1所述的气象影响下的大气污染转变关系定量估计方法,其特征在于,所述的1S的具体步骤如下:
1.1S.获取大气污染频发期的基础历史数据,确定研究区域的大气污染频发期,收集过去3年以上频发期污染监测数据,以及基本气象因子监测数据,建立大气污染频发期的基础历史数据集;大气污染通常指PM2.5等颗粒物污染、臭氧污染、氮氧化物污染、一氧化碳污染;基本的气象因子包括风向、风速、气温、相对湿度、降水量、大气压、天气形势;
1.2S.建立大气污染因子和气象因子的参数状态化处理规则,对于大气污染因子,采集得到的初始监测数据通常为质量浓度数据,单位为μg/m3,对于每一个气象因子,依据相应等级划分国家标准定义各参数状态化处理规则;如果某一气象因子无相关等级划分的国家标准,则该气象因子监测数据直接可代表参数状态化结果;如果某一气象因子存在相关等级划分的国家标准,则将气象因子等级划分标准定义为状态化处理规则;
1.3S.依据标准化处理规则,建立大气污染转变事件样本集;基于基础历史数据集,依据大气污染因子和气象因子的状态化处理规则,将大气污染因子监测数据和所有气象因子的监测数据进行标准状态化处理;以连续两日大气污染状态转变匹配后一日日期的各气象因子数据作为单位事件,建立大气污染转变事件集。
3.根据权利要求2所述的气象影响下的大气污染转变关系定量估计方法,其特征在于,所述的3S的层次化挖掘相似样本集为以大气污染转变事件集作为初始事件集,通过不同关键气象因子的逐层相似性判别,获取与估计日气象条件相似的相似样本集;具体流程为:
3.1S.初始转变事件集进入第一层,根据第一层关键气象因子相似性判别,进行第一层相似事件提取,得到一级相似事件集;
3.2S.一级相似事件集进入第二层,根据第二层关键气象因子的相似性判别,进行第二层相似事件提取,得到二级相似事件集;
3.3S.顺序执行,直至完成所有关键气象因子的相似性判别,得到最终的相似事件集;其中各关键气象因子的相似性判别采用以下公式:
提取的相似事件为满足以下条件的样本:
△yi=|yi估计-yi样本|≤yiset (1)
公式中,yi估计为第i层因子在估计日的值,yi样本为第i层因子在样本中的值,△yi为第i层因子在估计日与样本数据的差值,yiset为设定的事件相似度判别阀值,其大小根据研究区域情况而定。
4.根据权利要求3所述的气象影响下的大气污染转变关系定量估计方法,其特征在于,所述的4S的基于相似样本集,计算污染转变发生可能性概率矩阵P,矩阵P的含义为:在估计日这一气象条件下,不同情况的大气污染转变的发生可能性;其具体形式如以下公式:
公式(2)中,n为PM2.5污染状态的数目,由大气污染因子标准化处理规则中状态化数目决定;pij指连续两日大气污染从i状态向j状态转变的概率;矩阵中各概率元素估计方法为以下公式;
公式(3)中,Mi为最终相似样本集中从i状态下发生的转变总数,mij为最终相似样本集中从i状态转向j状态的大气污染转变发生的个数;如果最终相似事件集中得到的Mi为0,则提取上一级相似事件集结果进行从i状态下发生的大气污染转变概率估计。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中山大学,未经中山大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711406550.3/1.html,转载请声明来源钻瓜专利网。