[发明专利]一种PM2.5浓度预测和预警方法

说明书

本发明涉及大气环境监测技术领域，具体涉及一种PM2.5浓度预测和预警方法，包括以下步骤：获取多个城市的多个因由特征和PM2.5浓度的历史数据集；对每个因由特征进行影响度分析以及相关性检验；从多个因由特征中筛选出多个相关因由特征；根据多个相关因由特征和PM2.5浓度的历史数据，对多个分类模型进行训练和测试，筛选出性能最优的目标分类模型；根据目标地的历史数据和目标分类模型对目标地的PM2.5浓度进行预测，若PM2.5浓度达到阈值则发出预警。通过影响度分析和相关性检验，排除不相关因由特征，通过从对多种分类模型筛选出性能最优的分类模型进行预测，提高了预测的准确度和效率，为大气污染的防治工作提供了科学、可靠的参考。

技术领域

本发明涉及大气环境监测领域，具体涉及一种PM2.5浓度预测和预警方法。

背景技术

中国年复一年的空气污染严重影响人们的生命和健康。污染天气经常席卷全国大部分地区，特别是在华北，长江三角洲和中国中部。这些地区人口密集、经济发达，对自然资源的需求远远高于中国其他地区。随着工厂和私家车化石燃料消耗的增加，排放到空气中的二氧化硫和氮氧化物不仅对人类和植物造成直接危害，而且还会造成酸雨、雾霾、温室效应和光化学烟雾等二次污染。许多发达国家也出现过严重的烟雾污染，例如1955年和1970年洛杉矶的光化学烟雾事件，以及1952年在伦敦发生烟雾事件，造成大量人员死亡。在众多空气污染物中，悬浮颗粒(Particulate Matters，简称PM)是最致命的一种。直径小于或等于2.5微米的悬浮颗粒可以进入肺部深处，进入血管，导致DNA突变和癌症、中枢神经系统损伤，甚至过早死亡。

为了监测空气质量，许多国家都建立了监测站。实时记录和分析空气成分。但是，对于那些没有空气监测站的地区，如何准确预测空气质量并向公众报告仍然是一个难题。此外，生物医学研究表明，PM2.5很难被免疫系统清除，所以准确地监测和预测PM2.5污染物浓度变得非常重要。如果可以准确的预测污染事件，公民和政府可以及时作出适当的决策，例如关闭学校或减少室外运动等，从而减少污染带来的损害。

发明内容

本发明要解决的技术问题是：目前的PM2.5浓度预测方法效率低或准确度差的技术问题。提出了一种通过影响度进行输入参数筛选的预测模型更精简的预测效率高且准确度好的PM2.5浓度预测和预警方法。

为解决上述技术问题，本发明所采取的技术方案为：一种PM2.5浓度预测和预警方法，包括以下步骤：获取多个城市的多个因由特征和PM2.5浓度的历史数据集，所述多个因由特征包括多个污染物特征和多个气象特征，所述历史数据集包括预设历史时间长度内的每日PM2.5浓度数据和对应的所述多个因由特征数据；根据采集的所述历史数据集，建立PM2.5浓度和每一个因由特征的影响度模型，影响度模型输出用于指示因由特征对PM2.5浓度的影响程度的影响度值；根据每个因由特征和PM2.5浓度的影响度模型，对每个因由特征的影响度结果进行相关性检验，根据相关性检验结果从所述多个因由特征中选出多个相关因由特征；根据所述多个相关因由特征的历史数据和PM2.5浓度的历史数据，对多个分类模型进行训练和测试，从所述多个分类模型中选出目标分类模型，所述目标分类模型为所述多个分类模型中性能最优的分类模型；根据目标地的历史数据和所述目标分类模型对所述目标地的PM2.5浓度进行预测；当所述目标地的PM2.5浓度达到预警阈值时，对所述目标地进行大气污染预警。

作为优选，根据采集的所述历史数据集，建立PM2.5浓度和每一个因由特征的影响度模型，包括：针对每一个因由特征执行以下步骤：根据所述因由特征历史数据和相应PM2.5浓度历史数据的时间序列，建立所述因由特征和PM2.5浓度的第一联合回归模型；将所述因由特征历史数据和相应PM2.5浓度历史数据进行预设长度的延迟处理，根据二者延迟后的时间序列建立所述因由特征和PM2.5浓度的第二联合回归模型；根据所述第一联合回归模型和所述第二联合回归模型，建立所述因由特征和PM2.5浓度的影响度模型。

作为优选，因由特征F和PM2.5之间的影响度模型公式如下：