[发明专利]一种基于贝叶斯框架下的大气污染物浓度预测方法

权利要求书

1.一种基于贝叶斯框架下的大气污染物浓度预测方法，其特征在于，包括以下步骤：

步骤1、时空克里金预测，需要获取大气污染监测站点坐标，研究时间区间内各种大气污染物浓度序列，给出大气污染物浓度预测的初始值；

步骤2、偏正态非线性回归，需要大气污染物浓度时间序列和气象学变量时间序列，利用带有偏正态噪声的非线性多元线性回归方法建立浓度和气象学变量之间的关系，估计出回归参数；

步骤3、在分层贝叶斯框架下，将时空克里金方法给出的预测值作为先验分布，然后将偏正态非线性回归获得的方程作为似然函数，从而利用气象学变量修正时空克里金方法所给出的预测值，获得精度更高的大气污染浓度预测值；

步骤4、在分层贝叶斯框架下，获得的后验分布不解析，采用包含有Metropolis-Hastings方法的Gibbs采样方法对后验分布抽样，获得后验分布的样本值，从而对参数进行估计，获得最终大气污染物浓度预测值。

2.根据权利要求1所述的基于贝叶斯框架下的大气污染物浓度预测方法，其特征在于，

步骤1中，所述时空克里金预测过程中包括以下步骤：

1)、对大气污染物浓度做去季节化处理；

2)、根据监测站处大气污染物浓度变量的时空自相关性对未监测点处的大气污染物浓度做出估计，首先计算样本半方差函数，选择有效的时空半方差函数模型；

3)、根据计算出的样本半方差函数和选择的时空半方差模型，拟合出变量的半方差；

4)、根据样本点的地理坐标和时间坐标，估计出未监测点处大气污染物浓度。

3.根据权利要求1所述的基于贝叶斯框架下的大气污染物浓度预测方法，其特征在于，

步骤2中，确定影响大气污染物浓度的风速、气温、地表温度；

应用偏正态分布多元线性回归方法拟合噪声偏正态分布参数。

4.根据权利要求1所述的基于贝叶斯框架下的大气污染物浓度预测方法，其特征在于，

步骤3中，确定先验正态分布的方差参数；确定似然函数的各项参数；应用MCMC方法获取后验分布的样本点。