[发明专利]大气细颗粒物浓度测定方法、装置、设备及介质在审
申请号: | 202310445901.0 | 申请日: | 2023-04-23 |
公开(公告)号: | CN116577252A | 公开(公告)日: | 2023-08-11 |
发明(设计)人: | 樊子德;李肖赫;孙熠;邓雅文;朱可卿;耿莹;牟方厉 | 申请(专利权)人: | 中国科学院空天信息创新研究院 |
主分类号: | G01N15/06 | 分类号: | G01N15/06;G01W1/02 |
代理公司: | 北京路浩知识产权代理有限公司 11002 | 代理人: | 李柱雄 |
地址: | 100094*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 大气 颗粒 浓度 测定 方法 装置 设备 介质 | ||
本发明提供一种大气细颗粒物浓度测定方法、装置、设备及介质,涉及气象监测领域,该方法包括:获取当前时段内目标区域中每一目标子区域所对应的移动监测数据,获取目标时段内每一固定监测站所监测的固定监测数据;根据历史时段内每一固定监测站所监测的所有固定监测数据,确定历史时段内每一固定监测站所对应的固定监测均值及方差数据;融合移动监测数据、固定监测数据以及固定监测均值及方差数据,获取大气细颗粒物浓度。本发明采用高精度固定站点监测数据和低精度移动监测数据相融合的方法,不仅克服了固定站点监测数据精度高但采样密度稀疏的问题,还解决了移动监测数据存在误差精度低的问题,提升了大气细颗粒物浓度测定的精确度。
技术领域
本发明涉及气象监测领域,尤其涉及大气细颗粒物浓度测定方法、装置、设备及介质。
背景技术
采用传统统计方法预测空气细颗粒物浓度时,通常仅考虑到变量自身的采样,而忽略了其他有价值的相关信息,在采样密度稀疏的情况下,预测结果具有很大的不确定性;采用贝叶斯最大熵方法又太依赖于数据采样间隔,如果大区域中采样点较少,则对于估计结果仍然很难满足需求。
发明内容
本发明提供一种大气细颗粒物浓度测定方法、装置、设备及介质,用以解决现有大气细颗粒物浓度测定不够精确的技术问题,提供了一种融合高精度固定站点检测数据以及低精度移动监测数据确定大气细颗粒物浓度的技术方案。
第一方面,本发明提供了一种大气细颗粒物浓度测定方法,包括:
获取当前时段内目标区域中每一目标子区域所对应的移动监测数据,获取目标时段内每一固定监测站所监测的所有固定监测数据,所述目标时段包括所述当前时段以及历史时段;
根据历史时段内每一固定监测站所监测的所有固定监测数据,确定历史时段内每一固定监测站所对应的固定监测均值及方差数据;
融合所述移动监测数据、当前时段内每一固定监测站所监测的所有固定监测数据以及所述固定监测均值及方差数据,获取当前时段内每一目标子区域所对应的大气细颗粒物浓度;
所述移动监测数据是根据所有交通工具上装载的大气细颗粒物浓度测定设备测定的;
所述目标子区域是根据预设尺寸划分所述目标区域后确定的。
根据本发明提供的大气细颗粒物浓度测定方法,所述获取当前时段内目标区域中每一目标子区域所对应的移动监测数据,还包括:
获取每一目标子区域中所有大气细颗粒物浓度测定设备所测定的每一移动监测数值;
对于每一目标子区域,将所述所有移动监测数值中最大值与最小值所组成的数值区间确定为所述目标子区域所对应的移动监测数据;
遍历所有目标子区域,直至获取所有目标子区域所对应的每一移动监测数据。
根据本发明提供的大气细颗粒物浓度测定方法,所述根据历史时段内每一固定监测站所监测的所有固定监测数据,确定历史时段内每一固定监测站所对应的固定监测均值及方差数据,包括:
均值化处理所述历史时段中每一固定监测站所测得的所有历史监测数值,获取每一固定监测站在所述历史时段内的固定监测均值;
根据每一固定监测站在所述历史时段内的固定监测均值,方差处理每一固定监测站所测得的每一固定监测数值,获取历史时段内每一固定监测站所对应的方差数据。
根据本发明提供的大气细颗粒物浓度测定方法,所述融合所述移动监测数据、当前时段内每一固定监测站所监测的所有固定监测数据以及所述固定监测均值及方差数据,获取当前时段内每一目标子区域所对应的大气细颗粒物浓度,包括:
基于最大熵原理处理所述移动监测数据,获取当前时段内每一目标子区域所对应的先验概率密度函数;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院空天信息创新研究院,未经中国科学院空天信息创新研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310445901.0/2.html,转载请声明来源钻瓜专利网。