[发明专利]基于数据挖掘的城市间大气污染物时空关联特征分析方法

说明书

本发明提供了基于数据挖掘的城市间大气污染物时空关联特征分析方法，涉及大气污染治理技术领域，旨在解决现有的方法中存在整体性弱、实用性差和鲁棒性低的问题，采用的技术方案是，利用数据挖掘中的序列模式挖掘技术作为城市间大气污染物时空关联特征的识别方法，然后基于复杂网络模型构建城市间污染物时空关联网络进行整体与要素特征量化；挖掘大气污染物数据，得到城市间的污染时空关联特征，基于数据挖掘的方法不需要额外的气象、地理数据，对大气污染物数据分布没有要求，对数据的缺失和异常不敏感；具有资源占用少、可解释性强、鲁棒性高等优势。

技术领域

本发明涉及大气污染治理技术领域，具体为基于数据挖掘的城市间大气污染物时空关联特征分析方法。

背景技术

由于大气污染物易于扩散且输送距离较远，具有一定的区域性和时空关联特征，因此，大气污染的治理政策应由单一辖区治理转为区域城市间的联防联控、协同治理。科学合理地识别城市间污染的时空关联特征是协同治理的关键，目前常用的区域大气污染时空关联特性分析方法包括基于莫兰指数的空间自相关分析、基于皮尔逊相关系数的空间关联性分析和基于CMAx、CMAQ等空气质量模型的污染传输特性分析。

目前，基于城市间的欧氏距离倒数表示空间权重矩阵，采用莫兰指数计算京津冀地区的PM2.5空间分布状态，分析该区域的PM2.5污染空间集聚特征，并得出了城市间距离与PM2.5污染的相互影响关系，涉及方法的核心思想是相近区域PM2.5的关联性更紧密，即相邻城市的空间权重更大。这种方法难以捕获相距较远城市间的PM2.5关联特征，并且莫兰指数简单分析了PM2.5污染的空间溢出效应，将城市间PM2.5复杂的依赖关系简化为单一的统计量，会导致部分区域PM2.5集聚信息丢失，缺乏整体性和系统性，导致研究结论出现偏差。

目前，以城市间PM2.5日均浓度皮尔逊相关系数均值为阈值计算出邻接矩阵，构建京津冀31个城市的PM2.5污染无向加权网络，通过网络的聚类系数、中心性和演化特征等指标分析区域内城市间PM2.5污染的时空关联性。其研究存在两个方面的局限性：一是构建的PM2.5时空关联网络为无向网络，无法分析城市间的相互作用关系，丢失了部分PM2.5关联信息；二是皮尔逊相关系数与引力模型构建的权重矩阵，会受到数据异常值、数据的高维度以及数据分布等问题的影响，难以发现隐藏在数据中的关联规则以及城市间的内在联系。

目前，基于CAMx-PSAT空气质量模型,对区域大气污染及相互输送特征进行定量模拟，建立区域城市间污染物传输矩阵，通过对区域的污染物传输情况进行数值模拟分析区域污染的时空关联性。这种方法优势在于可以较为精准地模拟大气污染物传播效果，但是空气质量模型是以污染源的排放清单为基础数据，资料收集难度较大且更新较慢，同时该模型也不能计算区域整体的污染特征，缺乏对区域内城市的系统性考量。。

中国专利CN201910930648.1公开了城市间大气污染传输矩阵的构建方法，采用的技术方案是，结合WRF和CALPUFF模式模拟北风和南风两种气象条件下某区域不同城市大气污染的扩散过程，计算各城市的污染源对其他受体城市大气污染的贡献率，得到城市间的污染物传输矩阵，进而分析城市间大气污染相互影响的规律。通过分析扩散模式模拟得到的城市间污染物传输状况，构建城市间大气污染的传输矩阵，分析城市间大气污染相互影响的规律。

中国专利CN202010745364.8公开了建立定量化不同尺度区域间大气污染联防联控方案的方法，采用的技术方案是，包括建立城市及不同尺度区域间大气污染联合防治联合控制方案体系的新方法所需的特征变量数据库；采用聚类分析和网络关联模型等大数据挖掘方法对数据库中的特征变量进行机器学习和数据挖掘；对于不同污染物，不同污染时段、不同污染水平和不同尺度区域或城市的污染实况设计关联性阈值和对应的联防联控城市组或不同尺度区域组。本发明可为不同区域的城市间或不同尺度区域间大气污染实现更加精准化的联防联控，更加高效地实现不同城市及不同尺度区域的空气质量改善，尽快实现空气质量达标，以保护人民的健康。