[发明专利]一种便携式空气质量监测仪数据校准方法

说明书

本发明公开了一种便携式空气质量监测仪数据校准方法，通过设置自变量和因变量，构造自变量监测数据矩阵，创造性地运用偏最小二乘回归模型对空气质量监测数据进行校准，鉴于监测数据产生误差因素的多样性且交叉影响，集中了主成分分析、典型相关性分析和线性回归分析法在多元回归分析中的优势，校准后的数据与真实数据相比，无论是绝对误差还是总体相对误差均有明显下降，且仿真具有可重复性，提高监测数据的精度，且只需要把监测数据通过USB接口导入电脑的程序，即可得到校准后的数据信息，简单易操作。

技术领域

本发明涉及空气质量检测技术领域，特别是指一种便携式空气质量监测仪数据校准方法。

背景技术

目前，对空气质量的监测通常是通过对“两尘四气”(PM2.5、PM10、CO、NO₂、SO₂、O₃)浓度的监测来实现的。一般地，在一个城市会选择若干个监测点作为国家监测控制站点，每隔一定的时间发布一次相关的监测数据，这些数据能较为准确地反映监测点周边的空气质量状况，但是，由于国控点的布控较少、数据发布时间滞后、花费较大等原因，无法实时给出空气质量的监测和预报。

便携式微型空气质量监测仪，可以对某一地区空气质量进行实时网格化监控，并且能同时监测温度、湿度、风速、气压、降水等气象参数。但是，由于这种监测仪会因为自身技术原因产生一定的零点漂移和量程漂移，非常规气态污染物和天气因素也都会对传感器产生影响，这就会使得在同一时间微型空气质量监测仪所监测的数据与该国控点的数据产生一定的差异。

发明内容

有鉴于此，本发明的目的在于提出一种便携式空气质量监测仪数据校准方法，对便携式空气质量监测仪测得的监测数据进行校准。

基于上述目的，本发明提供的一种便携式空气质量监测仪数据校准方法，本方法包括：

将国控点的PM2.5、PM10、CO、NO₂、SO₂、O₃的监测数据和自建点的温度、湿度、风速、气压、降水的监测数据作为自变量，将自建点的PM2.5、PM10、CO、NO₂、SO₂、O₃的监测数据校准值作为因变量；

根据自变量监测数据发布的时间点，构造自变量监测数据矩阵；

将自变量监测数据矩阵中的各原始自变量的指标值转化为标准化指标值；

计算出6个因变量及11个自变量的相关系数矩阵；

分别提出自变量组和因变量组的成分；

取p对主成分求得自变量组和因变量组与提出的国控点的6个自变量组的成分之间的回归方程，其中p个主成分解释自变量的比率达90％以上；

将提出的自变量组成分带入自变量组和因变量组与提出的国控点的6个自变量组的成分之间的回归方程，得到标准化指标变量之间的回归方程；

将标准化指标变量分别还原成原始变量，得到校准回归方程；

将自变量监测数据输入校准回归方程，得到校准后的自变量监测数据。

优选地，将国控点的PM2.5、PM10、CO、NO₂、SO₂、O₃的监测数据和自建点的温度、湿度、风速、气压、降水的监测数据作为自变量，将自建点的PM2.5、PM10、CO、NO₂、SO₂、O₃的监测数据校准值作为因变量，包括：