[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

说明书

本发明公开了一种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，属于大气重污染预报技术领域。所述基于重污染序列案例库的区域重污染判别预报方法包括：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，所述案例库中的序列由气象要素数据组成；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；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。本发明能够提高预报目标区域未来选定时段是否有重污染且准确率高。

技术领域

本发明涉及大气重污染预报技术领域，具体涉及一种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。

背景技术

近年来随着社会经济的快速发展和工业化、城市化进程的加速，复合型大气污染问题日益突出，严重威胁人民群众的身体健康和生态安全，已成为社会各界高度关注和亟待解决的重大环境问题。我国城市空气污染严重，全国约五分之一的城市空气污染严重。2014年在第一批实施新标准的74个城市中，空气质量达标的城市数量仅为8个。城市空气污染开始由煤烟型向煤烟型和机动车尾气型污染相复合转变。此外，灰霾等区域性大气污染频发，在夏秋季节频繁发生光化学烟雾污染，大气臭氧浓度以全球最快速度增长，远远超过国家环境空气质量标准，超过欧盟警报值的事件也时有发生。

在空气质量预报方面，自2013年新空气质量标准(AQI)实施以来，全国环保形势发生了日新月异的变化，公众对于空气质量信息的诉求日益提升，我国环保监测系统、气象局、部分科研院所均陆续开展了空气质量预报研究。在已经开展空气质量业务预报的业务中，采用的技术架构普遍有数值预报、统计预报和专家预报三种方法，数值预报则主要以WRF或MM5驱动的美国CMAQ、CAMx、WRF-chem以及中科院大气所的NAQPMS等模式为主，很多地方集成了不止一个数值模式。空气质量波动较小的地区，模式预报的可采纳程度较高；空气质量短期大幅变化的地区，如华北平原，对污染过程的趋势性和程度预测是预报难点之一。而各机构数值模型采用的物理化学机制各异，在华北区域不同重污染过程预报中互有所长，但预报结果波动较大，难以实现优势互补。统计预报方法采用时间序列分析(如ARMA、ARIMA、SVM、ANN等模型)训练出历史上污染与天气条件的演化规律，预报未来空气质量，其应用广泛，准确率和计算效率较高，但对历史资料的依赖性较大，并且无法整体考虑区域性的重污染过程，缺乏一定的物理意义。专家预报主要是预报专家综合污染和气象的条件，进行人工识别，但是这种方法过分依赖专家的个人判断，大部分情况下专家仅仅能够提供粗略的干黏性的判断依据，并不是非常准确。

为进一步对区域典型重污染过程时期的各类大气污染物浓度、天气形势类型、气象要素等因子进行综合分析研判，全面评估区域重污染过程的影响范围、持续时间、输送扩散以及可能原因，急需建立区域典型重污染的案例库，建立重污染与上述各因子之间的相关关系与概念模型，对未来可能发生的区域性重污染过程进行研判，以支持大气重污染应急管理决策。

发明内容

本发明要解决的技术问题是提供一种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，其能够提高预报目标区域未来选定时段是否有重污染且准确率高。

为解决上述技术问题，本发明提供技术方案如下：

一种基于重污染序列案例库的区域重污染判别预报方法，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。

进一步的，所述步骤1包括：