[发明专利]基于重污染序列案例库的区域重污染判别预报方法及装置

权利要求书

1.一种基于重污染序列案例库的区域重污染判别预报方法，其特征在于，包括：

步骤1：根据收集的目标区域各监测站点监测到的污染指标数据和气象要素数据，建立目标区域的历史重污染序列案例库，该案例库中的序列由气象要素数据组成；

步骤2：根据预报的目标区域未来某时段内的气象要素数据，获取未来该时段的序列；

步骤3：将获取的未来该时段的序列与所述历史重污染序列案例库中的序列进行相似度对比，判别目标区域未来该时段的重污染情况；

所述步骤1包括：

步骤11：收集目标区域各监测站点监测到的污染指标数据和气象要素数据；

步骤12：根据所述污染指标数据，选取污染条件下的气象要素数据；

步骤13：对选取的气象要素数据进行归一化处理，建立目标区域所有的历史污染序列；

步骤14：计算任意两个历史污染序列之间的相似度并得出所有历史污染序列中两两历史污染序列之间的相似度组成的相似度矩阵；

步骤15：根据所述相似度矩阵计算得出任一历史污染序列相对于其他所有历史污染序列的相似性值；

步骤16：选取前k个最大的相似性值所对应的历史污染序列为聚类序列，作为表征重污染程度的核序列，并且把这k个相似性值中最小的相似性值设为阈值τ，从而完成建立所述历史重污染序列案例库，所述历史重污染序列案例库由核序列构成。

2.根据权利要求1所述的基于重污染序列案例库的区域重污染判别预报方法，其特征在于，所述步骤14包括：

步骤141：首先取两个历史污染序列，设为P＝(p₁，p₂，…，p_n)和Q＝(q₁，q₂，…，q_m)，长度分别为n和m，利用动态规划与递归的方式计算得到序列P与序列Q之间的距离dist(n，m)；

步骤142：计算序列P与序列Q之间的相似度s：

其中，α为归一化系数，|P|和|Q|分别为序列P和Q的长度；

由此得到所有历史污染序列中两两历史污染序列之间的相似度组成的相似度矩阵A，

其中，s_ij为历史污染序列i与历史污染序列j之间的相似度，h为历史污染序列的数量，1≤i≤h，1≤j≤h。

3.根据权利要求1所述的基于重污染序列案例库的区域重污染判别预报方法，其特征在于，所述步骤3进一步为：计算未来该时段的序列与所述历史重污染序列案例库中的每个序列之间的相似度并判断该相似度与所述阈值τ之间的大小关系，若其中只要有一个相似度大于所述阈值τ，则判别未来该时段会有重污染，否则判别没有。

4.根据权利要求1所述的基于重污染序列案例库的区域重污染判别预报方法，其特征在于，所述步骤1中，污染指标包括PM2.5和PM10，气象要素包括温度、湿度、风速、气压、边界层高度和逆温。

5.根据权利要求1所述的基于重污染序列案例库的区域重污染判别预报方法，其特征在于，所述步骤13包括：

采用归一化处理建立目标区域所有的历史污染序列时，首先所有历史污染序列中的气象要素的顺序保持一致，之后各个监测站点的顺序按空间上从北往南，从西向东的经纬度坐标排序，最后按时间顺序排序。

6.根据权利要求1至5中任一所述的基于重污染序列案例库的区域重污染判别预报方法，其特征在于，所述步骤3之后还包括：

步骤4：一段时间后，当所述历史重污染序列案例库新增的重污染序列的数目大于所述历史重污染序列案例库中的序列的五分之一时，则按照所述步骤1的方法更新历史重污染序列案例库。