[发明专利]空气质量站点监测数据异常的自动化识别方法

说明书

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：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；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；所述方法用以缓解现有技术自动化异常识别方法中难以识别特有的周期性异常、延滞异常、以及对于正定的，更接近于对数正态的空气质量监测数据(PM_2.5，PM₁₀，SO₂，NO₂，CO和O₃)的异常识别效果较差，难以识别数值较低或观测误差小于观测标准差的异常数据等技术问题。

技术领域

本公开涉及大气污染领域，尤其涉及一种空气质量站点监测数据异常的自动化识别方法。

背景技术

大范围、准确的常规污染物观测数据是衡量空气质量的重要依据和相关研究的基础。然而，由于仪器故障、恶劣环境、以及监测方法的局限异常观测数据出现不可避免。在实际应用过程中，通常需要人工对监测数据进行审核和质控，以剔除异常的观测数据。这种方法通常能有效剔除大气污染监测中异常数据。其主要缺点是非常繁杂，需要耗费大量人力和时间，很难快速获得大量的质控数据，制约了数据的快速应用。此外，不同人的质控标准具有一定主观性，难以完全一致，从而可能给质控数据集引入一定的偏差。因此，有必要建立一种客观的、具有统一标准的质控技术方法。

气象观测数据的自动化质控较为成熟，已成为各气象数据集归档时不可或缺的一部分，在质控中，会根据观测变量特有的异常特征针对性地设计算法识别风向、风速、降雨、降雪等变量的异常观测数据；同时，会依据观测数据在时间和空间上的一致性判断数据合理性；在海洋观测(温度，深度，盐度)和土壤观测(温度，湿度)中，质控也有一些较为成熟的研究，但在大气污染领域，美国国家环境保护局、欧洲环境署、英国环境部都制定了观测质控的规范手册，但其核心是观测操作规范和仪器维护，大范围的大气污染监测数据自动化质控研究仍然非常少，在实际应用过程中，通常以人工审核的方式，或借用其他领域的通用自动化质控方法识别异常监测数据。

现有的主流空气质量监测数据的异常识别方法有两种，一种是以人工审核的方式识别异常数据，另一种借用其他领域的通用自动化质控方法识别异常监测数据。人工审核的方法依赖质控员的经验，通过人眼从监测的时间序列或空间分布等其他图件或表格中，挑出可以的观测数据。对可疑的监测数据可以通过组织相关人员进行站点周边的实地考核，进一步确认该监测数据是否异常。通用的质控方法可参考气象数据异常识别中常用的z-score方法，该方法分三步。第一步计算监测值平均，第二步计算监测值的标准差，第三部将偏离均值几倍标准差的数据标记为异常，现有的两种异常识别方法都存在各自的缺陷，其中人工审核效率低下，难以适用于实时或大规模的监测数据应用，例如在线监测数据发布、将在线监测数据同化进空气质量预报系统以改进预报效果、以及构建全国多年的空气质量再分析场，于此同时，人工审核的方法缺少原理支撑，其结果易受质控员的主观经验的影响；另一种异常识别方法，即通用的自动化异常识别方法未针对中国环境空气质量监测网设计，难以识别其特有的周期性异常、延滞异常(异常定义在本公开技术方案中介绍)，并且通用方法常隐含监测数据正态分布的假设，对于正定的，更接近于对数正态的空气质量监测数据(PM_2.5，PM₁₀，SO₂，NO₂，CO和O₃)的异常识别效果较差，难以识别数值较低的异常数据。因此，迫切需要发展一种针对大气环境监测网络的常规大气污染物监测数据的典型异常类型的自动化质控新方法。

公开内容

(一)要解决的技术问题