[发明专利]空气质量分指数级别概率预报方法、装置、设备及存储介质

说明书

本申请公开了一种空气质量分指数级别概率预报方法、装置、设备及存储介质，方法包括：针对若干种空气质量预报方法，获取每种空气质量预报方法对若干历史时间点的预报数据；获取每一历史时间点的实况监测数据；针对每一种污染物，获取每一种空气质量预报方法的预报最准确率；利用若干种空气质量预报方法以及对应的各污染物预报最准确率，获取待预报空气污染物的空气质量分指数的级别概率。本申请提供的方法，基于多种不同的预报方法的预报结果实现空气质量分指数级别概率预报，考虑了不同预报方法的预报效果差异，并采用广义线性模型得到各预报方法的预报最准确率，最终计算得到空气质量分指数级别概率，预报结果准确度更高。

技术领域

本申请涉及空气质量预报技术领域，具体涉及一种空气污染物的空气质量分指数级别概率预报方法、装置、设备及存储介质。

背景技术

近年来，空气污染问题严峻，引起了广泛的关注。合理的空气质量预报能够帮助政府部门做出决策，以限制人为污染物的排放量，同时引导公众规避污染峰值期，减少暴露时间，降低污染引起的健康风险。空气质量模式能够模拟出污染物的物理和化学反应过程，并能给出具有物理意义的四维污染物浓度时空特征，目前已经成为短时临近和中期空气质量预报的主要手段。

空气质量模式模拟污染物浓度变化其实是求解一个高度复杂的非线性偏微分方程组，由于较多的小尺度运动过程无法在其中显性的表达，同时我们也不可能获得一个绝对正确的初始和边界条件，因此，空气质量模式的预报值会一直存在不确定性。根据模式模拟结果做出的确定性预报却未能反映模式本身的不确定性，这很有可能会引导政府部门做出过激的决策，从而造成不必要的经济损失。

概率预报能够量化预报结果的不确定性，给出相对于确定性预报更多的信息，是空气质量预报研究的新方向。目前空气质量的概率预报处于起步阶段，现有研究主要集中在“空气质量模式关键不确定性来源诊断识别与分析”，研究内容较为复杂庞大，一般采用敏感性分析、贝叶斯统计推断等方法构建模式定量不确定性诊断系统，然后以数值模拟为基础，纳入模式和输入的各种不确定性分析结果形成概率预报，得到污染物浓度概率分布结果，该方法需要进行大量的扰动模拟，对计算资源要求较高，且在进行概率统计时，各个成员都同等对待，没有考虑成员之间的差异。目前，尚未有直接基于多模式、多区域、多时效的预报结果进行概率预报的研究，同时现有的空气污染领域概率预报也未能直接给出各污染物的空气质量分指数级别概率预报结果，无法满足业务需求。

发明内容

本申请的目的是提供一种空气质量分指数级别概率预报方法、装置、设备及存储介质。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

根据本申请实施例的一个方面，提供一种空气质量分指数级别概率预报方法，包括：

针对若干种空气质量预报方法，获取每种所述空气质量预报方法对若干历史时间点的预报数据；所述预报数据为多种空气污染物的空气质量分指数预报值；

获取每一所述历史时间点的实况监测数据；

针对每一种所述污染物，获取每一种所述空气质量预报方法的预报最准确率；所述预报最准确率为所述空气质量预报方法的预报数据与对应的实况监测数据最接近的概率；

利用所述若干种空气质量预报方法以及对应的所述各污染物预报最准确率，获取待预报空气污染物的空气质量分指数的级别概率。

进一步地，所述针对每一种所述污染物，获取每一种所述空气质量预报方法的预报最准确率，包括：

针对每一种所述污染物，统计每一种所述空气质量预报方法对所述若干历史时间点的预报数据与所述实况监测数据最接近的次数；