[发明专利]一种基于空间特征的细粒度空气污染物浓度区域估计方法

摘要

本发明涉及空气污染物的细粒度区域估计，尤其涉及一种基于空间特征的细粒度空气污染物浓度区域估计方法，包括预处理阶段、预测阶段、估计阶段；预处理阶段进行网格划分得到训练样本，预测阶段采用距离度量学习方法学习马氏距离函数来寻找区域最近的k个区域，再对这k个区域形成的特征向量进行多元线性回归训练，估计阶段利用训练得到的多元线性回归模型对区域的空气污染物浓度进行估计。本发明的有益效果在于：本发明可用来对无空气质量监测站点的某个小区域的空气污染物浓度进行估计，充分利用邻近的空气质量监测站点，引入k个邻近区域，可以更好地捕捉空气污染物浓度在空间上的细粒度变化，更准确地估计出当前区域的污染物浓度。

主权项

一种基于空间特征的细粒度空气污染物浓度区域估计方法，其特征在于，包括预处理阶段、训练阶段、估计阶段；预处理阶段包括：1)把城市划分成不相交的网格，每个网格g内的空气污染物浓度相同；2)网格g所在的城市有m个含有空气监测站点的网格，抽取这些网格对应的每小时的空气污染物浓度和空间特征，每个小时可以生成m个训练样本；若历史数据跨越n个小时，则可以得到n×m个训练样本；训练阶段：1)k近邻网格查找：学习两个训练样本之间的马氏距离函数，通过马氏距离函数查找得到每个训练样本最近的k个样本；2)多元线性回归模型训练：根据每个样本及其k个最近的邻居样本生成向量，n×m个训练样本生成n×m个向量；对生成的n×m个向量进行多元线性回归，输出拟合的多元线性回归模型；估计阶段：1)输入待估计空气质量的位置的经纬度信息，并根据经纬度信息获取所属的网格g，抽取网格g的空间特征Fg；抽取网格g所在城市的所有空气质量监测站点所属网格的空间特征，得到特征向量FG；2)利用马氏距离函数从FG中查找到与Fg相近的k个最近的特征向量，k个最近的特征向量对应k个网格，由k个网格得到网格集合G；3)网格g和网格集合G生成一个向量；4)根据训练阶段输出的多元线性回归模型对上一步得到的向量进行线性回归计算，计算结果为估计的空气质量值。