[发明专利]污染天气的分型方法、装置、电子设备及存储介质

说明书

本发明公开了污染天气的分型方法、装置、电子设备及计算机可读存储介质，该方法包括：根据历史污染数据获取污染案例；获取与污染案例对应的污染气象数据；对污染气象数据进行预处理得到待聚类数据；将待聚类数据依据AP聚类算法建立分型模型，并迭代更新分型模型得到最终分型模型；根据最终分型模型对污染天气进行分型。该方法依据污染案例获取污染气象数据，提高了污染案例与污染天气的分型的关联度，有利于后续依据污染天气分型进行污染预测和治理。依据AP聚类算法建立分型模型不需要指定聚类个数，有利于提高精度，能够得到确切存在的聚类中心，便于后续确定相关的污染情况。

技术领域

本发明涉及天气分型技术领域，具体涉及一种污染天气的分型方法、装置、电子设备及计算机可读存储介质。

背景技术

天气分型是通过历史天气图的分析，研究总结出各种天气所对应的天气系统形势分布特征，在预报天气时作为参考。过去天气分型的过程都是人工完成，其中难以避免出现各种人为造成的误差，影响天气分型效果。因此，使用客观天气分型方法，能够避免分析存在的较大个体差异。

目前使用的客观天气分型方法主要有T-mode斜交旋转分解方法(PCT)、客观环流分型法(Lamb-Jenkison)和K均值聚类法(K-means)以及自组织映射神经网络算法(self-organizing map，SOM)等。例如，许建明等(2016)采用T-mode方法将上海秋冬季污染天气形势客观分型，得到易污染的4种天气环流类型。杨旭等(2017)采用T-mode方法对京津冀地区冬半年的污染天气进行分型研究，总结出9种天气类型。陈龙等(2016)利用Lamb-Jenkison法，将影响武汉地区空气污染的地面形势分为6种类型。在对天气形势进行分型之前，先要确定描述天气形势的主要气象要素。现有技术中，选择描述天气形势的气象要素往往单一(例如仅选择近地面风场或压强场数据)，单一的气象要素数据难以全面描述天气形势。考虑使用不同高度的多种气象要素多维度描述天气形势的研究较少。空气污染的因素较多，除了人为污染物的排放和区域传输，还受天气形势的驱动，尤其是区域污染与天气形势密切相关。现有的天气分型方法，应用在精细化的大气污染治理工作中有明显的局限性。

因此，设计一种客观、精细化、精度高、实用性强的污染天气的分型方法成为了本领域的关键性问题。

发明内容

有鉴于此，本发明实施例提供了污染天气的分型方法、装置、电子设备及计算机可读存储介质，以解决现有技术中天气分型与污染物的关联度较低、主观性较强、作为分型依据的参数的种类单一的问题。

为此，本发明实施例提供了如下技术方案：

本发明第一方面，提供了污染天气的分型方法，包括：

根据历史污染数据获取污染案例；

获取与所述污染案例对应的污染气象数据；

对所述污染气象数据进行预处理得到待聚类数据；

将待聚类数据依据AP聚类算法建立分型模型，并迭代更新所述分型模型得到最终分型模型；

根据所述最终分型模型对污染天气进行分型。

进一步地，根据历史污染数据获取污染案例包括：

根据地面站点的污染物数据计算所述地面站点的空气质量指数；

根据所述空气质量指数确定地面站点的污染等级；

根据所述污染等级确定污染区域，并将面积超过设定面积的所述污染区域作为指定污染区域；

获取与所述指定污染区域对应的污染持续时间；

根据所述指定污染区域和所述污染持续时间确定所述污染案例。

进一步地，所述污染气象数据为时间、空间与气象要素关联形成的多维数据。