[发明专利]一种PM1

权利要求书

1.一种PM₁浓度的估算方法，其特征在于，包括以下步骤：

步骤1、采集获取PM₁浓度信息及PM₁浓度影响指标的数据；

步骤2、对PM₁浓度与PM₁浓度影响指标之间的相关性进行分析，得到PM₁浓度相关指标；基于所述PM₁浓度信息和所述PM₁浓度相关指标的数据构建训练集和测试集；

步骤3、基于LGBM算法构建PM₁浓度预测模型，将PM₁浓度相关指标作为模型的输入参数，将PM₁浓度作为模型的输出参数；

步骤4、通过所述训练集对所述PM₁浓度预测模型进行训练，通过所述测试集对训练后的PM₁浓度预测模型进行测试，基于训练好的PM₁浓度预测模型实现PM₁浓度估算。

2.根据权利要求1所述的PM₁浓度的估算方法，其特征在于，所述步骤1中，所述PM₁浓度影响指标包括PM_2.5浓度、地理位置、气象条件和气溶胶光学厚度。

3.根据权利要求2所述的PM₁浓度的估算方法，其特征在于，通过WRF-CHEM将获取的中国多分辨排放清单模型进行PM_2.5浓度全国范围内的模拟得到PM_2.5浓度的数据。

4.根据权利要求2所述的PM₁浓度的估算方法，其特征在于，所述地理位置包括归一化差异植被指数、数字高程模型中的一种或多种指标；所述气象条件包括地表相对湿度、空气温度、风速、表面压力、边界层高度中的一种或多种指标；所述气溶胶光学厚度的数据来自于Himawari-8三级每小时数据集，并采用置信度标识为“非常好”的数据样本。

5.根据权利要求1所述的PM₁浓度的估算方法，其特征在于，所述步骤2中，计算每个PM₁浓度影响指标与PM₁浓度之间的相关系数，对每个PM₁浓度影响指标对应的相关系数是否满足预设条件进行判断，将满足所述预设条件的PM₁浓度影响指标作为PM₁浓度相关指标。

6.根据权利要求1所述的PM₁浓度的估算方法，其特征在于，所述步骤3中还包括：通过随机参数搜索法对LGBM算法的基本参数进行优化。

7.根据权利要求6所述的PM₁浓度的估算方法，其特征在于，所述LGBM算法使用梯度提升决策树，所述LGBM算法的基本参数包括：最优叶权重、叶子数、树的最大深度、特征抽样值。

8.一种PM₁浓度的估算系统，其特征在于，包括：

数据采集模块，用于采集获取PM₁浓度信息及PM₁浓度影响指标的数据；

相关性分析模块，用于对PM₁浓度与PM₁浓度影响指标之间的相关性进行分析，得到PM₁浓度相关指标，基于所述PM₁浓度信息和所述PM₁浓度相关指标的数据构建训练集和测试集；

模型构建模块，用于基于LGBM算法构建PM₁浓度预测模型，PM₁浓度相关指标作为模型的输入参数，PM₁浓度作为模型的输出参数；

拟合预测模块，用于通过所述训练集对所述PM₁浓度预测模型进行训练，通过所述测试集对训练后的PM₁浓度预测模型进行测试，基于训练好的PM₁浓度预测模型实现PM₁浓度估算；

所述PM₁浓度的估算系统用于实现如权利要求1-7中任一项所述的PM₁浓度的估算方法中的步骤。