[发明专利]一种道路PM2.5精细化污染分布的模拟方法、系统及计算机存储介质在审
申请号: | 202010038518.X | 申请日: | 2020-01-14 |
公开(公告)号: | CN111259539A | 公开(公告)日: | 2020-06-09 |
发明(设计)人: | 周素红;林荣平;刘凯;宋洁 | 申请(专利权)人: | 中山大学 |
主分类号: | G06F30/20 | 分类号: | G06F30/20;G06Q10/04;G01N15/06 |
代理公司: | 广州云领专利代理事务所(普通合伙) 44441 | 代理人: | 张莲珍 |
地址: | 510275 广东*** | 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: | 一种 道路 pm2 精细 污染 分布 模拟 方法 系统 计算机 存储 介质 | ||
1.一种道路PM2.5精细化污染分布的模拟方法,其特征在于,包括以下步骤:
S1、获取目标区域内的PM2.5采样数据,所述PM2.5采样数据包含位置信息;
S2、获取与PM2.5采样数据相对应的环境数据变量;
S3、将PM2.5采样数据和环境数据变量输入多重共线性检测模型中,剔除环境数据变量中的共性变量和不显著变量;
S4、建立S3剔除共性变量和不显著变量后的环境数据变量和PM2.5采样数据的因果关系模型,检验因果关系模型得到PM2.5采样数据和环境数据变量的最优关系模型;
S5、在目标区域的路网中设点,提取所述设点的环境数据变量输入S4的最优关系模型,计算设点的PM2.5模拟数据;
S6、将S5每个设点的PM2.5模拟数据在目标区域中插值。
2.根据权利要求1所述的道路PM2.5精细化污染分布的模拟方法,其特征在于,所述S6还包括:
根据S5的每个设点的PM2.5模拟数据,将每个设点的PM2.5模拟数据在目标区域中进行插值计算,得到目标区域的道路PM2.5精细化模拟分布。
3.根据权利要求1所述的道路PM2.5精细化污染分布的模拟方法,其特征在于:
所述S5在目标区域的路网中设点,相邻设点的间距为50~150m。
4.根据权利要求1所述的道路PM2.5精细化污染分布的模拟方法,其特征在于:
所述S1还包括对PM2.5采样数据的同质性数据预处理。
5.根据权利要求4所述的道路PM2.5精细化污染分布的模拟方法,其特征在于,所述同质性数据预处理,具体包括以下步骤:
S11、利用半变异函数对PM2.5采样数据进行同质性数据划分,得到若干子采样数据集;
S12、计算每个子采样数据集的数据中位数;
S13、将S12的所有子采样数据集的数据中位数,作为新的PM2.5采样数据。
6.根据权利要求1所述的道路PM2.5精细化污染分布的模拟方法,其特征在于,所述S2具体包括以下步骤:
S21、根据PM2.5采样数据生成对应的多个缓冲区;
S22、提取缓冲区内的建成环境数据,得到环境数据变量。
7.根据权利要求1所述的道路PM2.5精细化污染分布的模拟方法,其特征在于:
所述S1的PM2.5采样数据为采集设备在目标区域的道路沿路移动或固定式监测进行采集得到。
8.一种道路PM2.5精细化污染分布的模拟系统,其特征在于,包括:
采样数据模块,其用于获取目标区域内的PM2.5采样数据,所述PM2.5采样数据包含位置信息;
环境变量模块,其用于获取与PM2.5采样数据相对应的环境数据变量;
变量剔除模块,其用于将PM2.5采样数据和环境数据变量输入多重共线性检测模型中,剔除环境数据变量中的共性变量和不显著变量;
模型建立模块,其建立剔除共性变量和不显著变量后的环境数据变量和PM2.5采样数据的关系模型并检验所述关系模型,得到PM2.5采样数据和环境变量数据的最优关系模型;
路网设点模块,其用于在目标区域的路网中设点,提取所述设点的环境数据变量输入所述最优关系模型,计算设点的PM2.5模拟数据;
模拟分布模块,其用于将每个设点的PM2.5模拟数据在目标区域中插值,生成道路PM2.5模拟分布。
9.根据权利要求8所述的道路PM2.5精细化污染分布的模拟系统,其特征在于,所述模拟分布模块还包括:
插值单元,其根据每个设点的PM2.5模拟数据,将每个设点的PM2.5模拟数据在目标区域中进行插值计算,得到目标区域的道路PM2.5精细化模拟分布。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被所述处理器运行时实现如权利要求1至7任意一项所述的模拟方法的步骤。
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/202010038518.X/1.html,转载请声明来源钻瓜专利网。