[发明专利]基于数学模型的大气臭氧浓度预测方法、系统和装置

说明书

本发明公开了一种基于数学模型的大气臭氧浓度预测方法、系统和装置，该方法包括：获取数据、选取自变量、确定因变量、数据归一化处理、拟合并检验预测方程、代入自变量并计算得到臭氧预测值等步骤。该臭氧浓度预测系统包括数据采集模块、数据预处理模块、拟合模块、数据后处理及输出模块等。该臭氧浓度预测装置包括数据采集装置、处理器和存储器。采用本发明的方法、系统和装置能够将影响大气中臭氧生成的显著因素纳入预测数学模型中，充分考虑不同季节和月份对臭氧生成的影响，方法简单易操作，具有较高的预测精度，可结合预测模型中数值预测的模拟结果，进一步判断订正形成综合预报，为相关部门开展光化学污染趋势预报提供依据。

技术领域

本发明涉及空气质量预报技术领域，具体涉及一种基于数学模型的大气臭氧浓度预测方法、系统和装置。

背景技术

臭氧(O₃)是空气质量中的重要指标之一，其作为光化学反应中重要的二次污染物，是光化学烟雾污染的重要指标，其浓度水平也是大气氧化状态的一个重要表征，因此，开展大气中O₃浓度的研究与预测具有重要意义。

目前，对大气中O₃浓度变化及预测主要集中在前体物质，例如NOx和VOCs等污染物对O₃浓度的影响，多为定性研究，但实际上O₃的生成与前体物浓度之间并不是简单的线性关系，且不同方式贡献的O₃，其生成机制不同。以前体物质浓度为基础的臭氧浓度预测，因未考虑其他与臭氧生成有关的因素，例如光照、温度、湿度、气压等天气条件，也没有考虑不同季节和月份的影响，其准确性受到一定限制。

综上所述，现有的臭氧浓度预测方法存在精确度不高，未考虑不同季节和月份的影响等问题。因此，需要建立一种基于数学模型的大气臭氧浓度预测方法、系统和装置，提高大气臭氧浓度预报的准确性，降低其预报的复杂性。

发明内容

为此，本发明提供一种基于数学模型的大气臭氧浓度预测方法、系统和装置，能够将影响大气中臭氧生成的显著因素纳入预测数学模型中，充分考虑不同季节和月份对臭氧生成的影响，方法简单易操作，具有较高的预测精度，为相关部门提供决策支持。

为了实现上述目的，本发明提供如下技术方案：

一种基于数学模型的大气臭氧浓度预测方法，所述方法包括：

步骤1)获取气象数据和大气污染物数据；

步骤2)选取步骤1)所述数据中对臭氧生成影响显著的参数，作为大气臭氧浓度预测数学模型的自变量；

步骤3)取臭氧生成值作为所述大气臭氧浓度预测数学模型的因变量，所述臭氧生成值是白天臭氧监测值平均值与臭氧背景值之差，所述臭氧背景值是与所述白天相接的前一黑天臭氧监测值的最小值；

步骤4)将所述自变量和所述因变量进行归一化处理，得到与所述自变量和所述因变量对应的无量纲数值；

步骤5)利用stepwise函数和regress函数对所述无量纲数值进行逐步线性拟合，并进行显著性检验，得到通过显著性检验的大气臭氧浓度预测方程；

步骤6)将待预测时间的气象和大气污染物的实测值或者预测值代入所述大气臭氧浓度预测方程，计算得到归一化的臭氧生成预测值，对所述归一化的臭氧生成值进行反归一化运算，得到臭氧生成预测值。

优选地，所述气象数据和大气污染物数据包括已经实际取得的气象和大气污染物数据。

优选地，所述对臭氧生成影响显著的参数包括紫外辐射强度、相对湿度、温度、气压、PM₁₀、PM_2.5、NO₂、SO₂、CO、非甲烷总烃。

优选地，所述白天和黑天以日出和日落时间界定。