[发明专利]烟尘颗粒浓度异常识别方法、装置、存储介质及设备

说明书

本发明公开了一种烟尘颗粒浓度异常识别方法、装置、存储介质及设备。其中，该方法包括：获取烟尘颗粒的时间序列数据；对上述时间序列数据进行平滑处理，得到平滑处理结果；对上述平滑处理结果进行分解处理，得到不规则维度指标，其中，上述分解处理包括：外循环处理以及内循环处理；基于上述不规则维度指标检测上述烟尘颗粒的浓度变化值是否异常，得到检测结果。本发明解决了现有技术中烟尘颗粒浓度异常识别方法受气象条件影响较大，导致无法准确发现烟尘浓度异常值的技术问题。

技术领域

本发明涉及数据处理技术领域，具体而言，涉及一种烟尘颗粒浓度异常识别方法、装置、存储介质及设备。

背景技术

在城市空气质量监测领域，现有技术中的烟尘颗粒浓度异常检测方法大多采用计算机图像处理技术，从卫星遥感数据的监控图像中获取空气色彩或光线变化角度，根据空气色彩或光线变化角度对空气质量进行评估。

但是，卫星遥感数据的准确性容易受成像仪器的空间分辨率及气象条件的影响，例如云层厚度等；从目前的研究来看，某些人为活动造成的烟尘颗粒浓度值暴涨会比自然现象对人类的影响更大，例如烧荒或工厂加排工业废气等；此外，空气中烟尘颗粒浓度又随着气象条件的变化而变化如湿度、风力及风向，地表植被的茂密程度也会影响烟尘颗粒的吸附程度。因此，在不考虑各区域烟尘浓度变化规律和气象条件的前提下，仅靠设定浓度阈值的方法难以有效发现烟尘监测指标中的异常值。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种烟尘颗粒浓度异常识别方法、装置、存储介质及设备，以至少解决现有技术中烟尘颗粒浓度异常识别方法受气象条件影响较大，导致无法准确发现烟尘浓度异常值的技术问题。

根据本发明实施例的一个方面，提供了一种烟尘颗粒浓度异常识别方法，包括：获取烟尘颗粒的时间序列数据，其中，上述时间序列数据包括以下至少之一数据维度：趋势性维度、周期性维度以及不规则性维度；其中，上述周期性维度用于表征规律性活动产生的烟尘指标值，上述趋势性维度用于表征季节更替及人口增加导致的排放趋势性变化，上述不规则性维度用于表征特殊天气和重大安全事故导致的突发性变化；对上述时间序列数据进行平滑处理，得到平滑处理结果；对上述平滑处理结果进行分解处理，得到不规则维度指标，其中，上述分解处理包括：外循环处理以及内循环处理；基于上述不规则维度指标检测上述烟尘颗粒的浓度变化值是否异常，得到检测结果。

可选的，上述对上述时间序列数据进行平滑处理，得到平滑处理结果，包括：确定上述时间序列数据中的观测点，以及与上述观测点对应的窗口宽度，其中，上述窗口宽度表示以上述观测点为中心的预定区间内的观测范围；基于上述观测点和上述窗口宽度，确定上述观测点的权重值；采用最小二乘法根据上述权重值计算上述观测点的估计值；基于上述估计值对上述时间序列数据进行平滑处理，得到上述平滑处理结果。

可选的，上述对上述平滑处理结果进行分解处理，得到不规则维度指标，包括：对上述平滑处理结果进行上述外循环处理，得到数据点权重值；基于上述数据点权重值对上述平滑处理结果进行上述内循环处理，得到上述不规则维度指标。

可选的，上述基于上述数据点权重值对上述平滑处理结果进行上述内循环处理，包括：对上述平滑处理结果进行去趋势性维度数据处理，得到第一处理结果；基于上述数据点权重值对上述第一处理结果进行局部加权回归处理，得到第二处理结果；对上述第二处理结果进行低通量过滤处理，得到子序列数据。

可选的，在对上述第二处理结果进行低通量过滤处理，得到子序列数据之后，上述方法还包括：对上述子序列数据进行去周期性维度数据处理，得到第三处理结果；基于上述数据点权重值对上述第三处理结果进行局部加权回归处理，得到第四处理结果；基于上述第四处理结果，确定上述不规则维度指标。