[发明专利]空气质量站点监测数据异常的自动化识别方法

权利要求书

1.一种空气质量站点监测数据异常的自动化识别方法，包括：

步骤A：接收站点监测数据；

步骤B：对步骤A所接收的站点监测数据进行初级检查，识别显著异常的观测数据；

步骤C：对步骤B完成初级检查后的数据进行时空一致性检查，识别时空不一致异常；

步骤D：经步骤C后，使用四项补充检查识别未被初级检查和时空一致性检查识别的异常；以及

步骤E：输出经过质控后的观测数据、时空一致性估计值、及各项检查中的概率值；

步骤D所述的四项补充检查，包括：

小变化异常检查，观测值呈现出长时间常值或过于缓慢的异常时段，与实际大气污染变化特征不吻合，所述异常时段数据剔除；

周期性异常检查，识别周期出现的异常并进行剔除；

PM₁₀＜PM_2.5异常检查，当PM_2.5与PM₁₀浓度出现倒挂时，将PM₁₀观测数据剔除；以及

有效数据量检查，即对每个观测数据，统计其前后12小时内的有效数据，若有效数据少于5个则对其进行剔除。

2.根据权利要求1所述的自动化识别方法，其中，所述步骤B中的初级检查，包括：

步骤B₁：完整性检查；

步骤B₂：超量程检查，对监测数据进行上下限检查，将超出仪器量程的错误记录剔除；以及

步骤B₃：大观测误差检查，剔除超出合理值很多的观测，以减弱其对时空连续性检查性能的影响。

3.根据权利要求1所述的自动化识别方法，其中，步骤C中所述时空一致性检查，包括：

时间一致性回归；以及

空间一致性回归。

4.根据权利要求3所述的自动化识别方法，其中，所述时间一致性回归，利用检验点邻近时刻的观测数据，计算检验点的时间回归值，回归方法采用低通滤波，即：

其中F_t为滤波估计值，i为检验点的时次，k代表滤波时间窗口从检验点往前和往后的时间长度，f为原始观测，h为滤波系数。

5.根据权利要求3所述的自动化识别方法，其中，所述空间一致性回归，是结合邻近空间范围内的观测值计算得到检验点的估计值，具体计算公式如下：

其中F_s(i)为目标站点在检验点的时次i的空间一致性估计值，f_r为第r个参考站点的观测值，a_r为检验站点与参考站点间的一致性指标，采用以下方法进行计算：

其中f_r(i+k)为参考站点在i+k时刻的观测值，为滑动窗口内的观测平均值。

6.根据权利要求5所述的自动化识别方法，其中，所述空间一致性回归，权重c_r采用Gaspari-Cohn(高斯-康恩)方案计算：

其中d为目标站点与参考站点之间的距离，d_c为截止距离。

7.根据权利要求4或5所述的自动化识别方法，其中，根据所述时间和空间的一致性估计值F_t和F_s，计算检验点的归一化估计残差Z_t和Z_s，再计算残差相关系数：

进而计算残差概率：

其中i为检验点的时次，ρ为时空残差的相关系数，Z_t，Z_s分别为归一后的时间和空间的回归残差，分别为滑动窗口内时间和空间的归一残差平均，i-n和i+n分别为滑动窗口起始和结束时间。