[发明专利]一种基于多方法融合的小尺度近实时大气污染溯源方法

说明书

一种基于多方法融合的小尺度近实时大气污染溯源方法，属于环境大气污染物溯源技术领域。采用机器学习预测模型，通过数学方法提高监测站点气象要素预测的准确性，从而使用空间插值法获得准确性较高的精细化预测气象场，并结合实时污染物浓度监测数据，耦合后向轨迹分析及潜在源贡献因子分析法快速开展溯源分析，实现局地小尺度潜在污染源的实时追溯，进一步丰富小尺度大气污染溯源技术方法体系，为小尺度大气污染精细化管控提供技术支撑，对于减少大气污染造成的人体健康危害具有重要意义。

技术领域：

本发明属于大气污染溯源技术领域，涉及一种基于多方法融合的小尺度近实时大气污染溯源方法。

背景技术：

大气污染对于人类健康和社会发展有着严重危害，近年来，随着大气污染防治进程的推进，面向监测站点的局地小尺度精细化溯源及管控成为我国大气环境管理发展的新趋势和新需求。而在局地小尺度范围内，实时排放的污染物会迅速影响局地空气质量，需要立即追溯污染来向，并快速采取靶向管控，从而减少大气污染对人类生活产生的负面影响，因此，实现局地小尺度近实时大气污染溯源具有重要意义。

实现小尺度近实时溯源关键在于以监测站点为受体，提前获取站点周边的精细化、准确的预测气象场，结合实时污染物浓度监测数据开展溯源。而在局地小尺度内，溯源的准确性对于受体站点及其周边的气象变化非常敏感，较小的气象预测误差会带来较大的溯源偏差(如当风速的预测误差为0.5m/s时，对于小尺度分钟级、千米级的时空分辨率，溯源偏差可达几百米～几千米)。因此，针对小尺度近实时溯源，需要保证受体站点气象预测较为准确的前提下，继而建立站点周边较为准确的精细化预测气象场开展溯源。但现有溯源方法主要是通过区域、城市尺度气象数值模型进行降尺度预报模拟直接获取小尺度精细化预测气象场，该方法局限于初始气象预报背景场较低的时空分辨率，通过降尺度模拟后对于局地范围内受体站点的气象预测准确性较低，从而加大了近实时溯源的不确定性，并不适用于小尺度近实时溯源。综上，现有技术无法满足小尺度近实时溯源的精细化要求，亟待提出新方法、新思路。

因此，该专利提出一种基于多方法融合的小尺度近实时大气污染溯源的思路与方法，采用机器学习预测模型，通过数学方法提高监测站点气象要素预测的准确性，从而使用空间插值法获得准确性较高的精细化预测气象场，并结合实时污染物浓度监测数据，耦合后向轨迹积分及潜在源贡献因子分析法快速开展近实时溯源，实现局地小尺度潜在污染源的实时追溯，为小尺度大气污染精细化管控提供技术支撑。

发明内容：

本发明的目的在于提供一种较为准确、实用的小尺度近实时大气污染溯源方法，基于准确性较高的监测站点周边预测气象场，结合实时污染物浓度监测数据，近实时追溯影响站点空气质量近实时变化的潜在污染源，为大气污染精细化溯源及防控提供技术支撑。

为实现上述目的，本发明提供如下技术方案：

一种基于多方法融合的小尺度近实时大气污染溯源方法，其特征在于，包括以下步骤：

(1)将监测站点气象要素及污染物浓度的观测数据作为输入变量，结合变量筛选法筛选变量后输入机器学习模型进行训练，训练完成后进行监测站点气象要素预测(可以随时更新输入变量数据并随时进行预测)，然后基于残余趋势修正法修正上述机器学习模型对于站点气象要素的预测结果，提高对于监测站点气象要素的预测准确性；

(2)结合空间插值法对于采用步骤(1)方法得到的各个站点的气象要素预测值进行空间插值计算，插值得到未来时段的近地面层预测气象场文件，提前准备好未来时段的预测气象场；

(3)将步骤(2)得到的预测气象场文件输入拉格朗日粒子模型，进行后向轨迹计算，结合对应站点的实时污染物浓度监测数据，使用潜在源因子分析技术，近实时得到影响站点空气质量的周边潜在贡献源区，进一步叠加监测站点周边实际污染源的空间位置信息，得到影响站点空气质量近实时变化的潜在污染源；