[发明专利]一种基于周期分析和滤波技术的污染减排效果评估方法

权利要求书

1.一种基于周期分析和滤波技术的污染减排效果评估方法，其特征在于：包括如下步骤，

1)气象要素的选择及时间序列分解；选择KZ滤波或小波变换，将选择的气象因子以及污染物浓度的时间序列分解；

2)污染物浓度与气象因子之间的关系建模；利用BP神经网络，分别就短期分量尺度和基线尺度，建立气象因子与污染物浓度之间的关系模型；

3)基于气象调整的污染物浓度时间序列重建；

4)通过比较重建前后的污染物浓度时间序列变化，反映出气象因素对污染控制有效性的影响。

2.根据权利要求1所述基于周期分析和滤波技术的污染减排效果评估方法，其特征在于：步骤1)中，选择KZ滤波或小波变换，将选择的气象因子的时间序列分解为短期分量、季节分量及长期分量，各分量的尺度(或频段)选择与污染物浓度时间序列分解时相同；

M(t)＝MW(t)+MS(t)+Me(t) (1)

式中，M(t)、MW(t)、MS(t)及Me(t)分别表示分解前的气象因子时间序列及分解后的短期分量、季节分量和长期分量。

3.根据权利要求2所述基于周期分析和滤波技术的污染减排效果评估方法，其特征在于：气象因子包括24小时温差ΔT₂₄、日最低气温TMIN、24小时变温场、风速、混合层高度、总云量、低云量、相对湿度、露点温度中的一种或两种以上；优选的，24小时温差ΔT₂₄采用差分形式，ΔT′＝3ΔT_i-4ΔT_i-1+ΔT_i-2，其中，ΔT_i表示第i天最高气温与最低气温的差值；日最低气温TMIN采用差分形式，TMIN′＝3TMIN_i-4TMIN_i-1+TMIN_i-2，其中，TMIN_i表示第i天的最低气温；24小时变温场指的是850hpa高度的24小时变温场。

4.根据权利要求1所述基于周期分析和滤波技术的污染减排效果评估方法，其特征在于：步骤2)中，根据污染物浓度及气象因子的时间序列分解结果，分别从短期分量尺度和基线分量(季节变化+长期分量)尺度，按一定显著性水平筛选出统计检验为显著的气象因子作为自变量，利用BP神经网络，建立气象因子与污染物浓度之间的函数关系模型，形如下式：

W(t)＝f(MW₁(t),MW₂(t),MW₃(t)......) (2)

式中，W(t)及MW₁(t),MW₂(t),MW₃(t).....分别为污染物浓度及气象因子时间序列的短期分量；X_baseline(t)及分别为污染物浓度及气象因子时间序列的基线；

式中，W(t)、MW_i(t)分别为污染物浓度及第i气象因子的短期分量；α_i为回归系数；ε_st(t)为短期分量的回归残差。类似地，X_baseline(t)、Mi_baseline(t)分别为污染物浓度及第i气象因子的基线；β_j为回归系数；ε_baseline(t)为基线回归残差。

5.根据权利要求1所述基于周期分析和滤波技术的污染减排效果评估方法，其特征在于：步骤3)中，根据步骤2)中的关系模型，拟和得出的污染物浓度时间序列X′(t)可认为主要反映了气象因素的影响；“真实”的污染物浓度时间序列(即样本值)X(t)与拟和的时间序列X′(t)之间的残差ε_model(t)可表示如下：

ε_model(t)＝ε_BL(t)+ε_ST(t) (7)

式中，ε_BL(t)和ε_ST(t)分别为基线拟和残差与短期分量拟和残差；

对ε_model(t)再进行滤波或相应尺度的小波变换重构，得到如下的关系式：

ε_model(t)＝ε_LT(t)+δ(t) (8)

式中，ε_LT(t)表示与污染控制有关的污染源排放改变所引起的SO₂和PM₁₀日均浓度(对数值)非线性的长期变化；δ(t)为未考虑到的气象因素影响及其它噪声；

污染物浓度(长期分量)时间序列的变化，对其进行如下的重建：

式中，X_LTadj(t)为经气象调整后(滤除气象因素影响)重建的污染物日均浓度长期分量时间序列；为污染物浓度序列长期分量的均值，即：