[发明专利]一种PM1

说明书

本发明属于环境保护技术领域，公开了一种PM₁浓度的估算方法及系统。本发明首先采集获取PM₁浓度信息及PM₁浓度影响指标的数据；然后对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PM₁浓度信息和PM₁浓度相关指标的数据构建训练集和测试集；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；对PM₁浓度预测模型进行训练和测试后，基于训练好的PM₁浓度预测模型实现PM₁浓度估算。本发明能够对PM₁浓度进行高精度估算。

技术领域

本发明属于环境保护技术领域，更具体地，涉及一种PM₁浓度的估算方法及系统。

背景技术

现如今，经济快速发展的同时，我国也出现了严重的空气污染。在所有排放的污染物中，气溶胶颗粒对空气质量的影响尤其显著。人类对于PM₁的测量愈发关注。研究表明，暴露在颗粒物中更危险，其比臭氧、氮氧化物等其他的空气污染物对人体健康的危害更大。PM₁相对于其他颗粒物停留时间更长，更易进入肺泡。因此，高精度地实现对PM₁浓度分布的估算对于进一步预防和治理空气污染十分重要。

然而，当前针对PM₁浓度估算的研究很少，且现在有许多研究基于PM₁的地面观测站网络来反演其时空分布，而监测站分布不均导致不能在更加细致的尺度上对PM₁进行时空监测。如何实现PM₁浓度的高精度估算是本领域需要解决的一个问题。

发明内容

本发明通过提供一种PM₁浓度的估算方法及系统，解决现有技术中PM₁浓度估算的精度较低的问题。

本发明提供一种PM₁浓度的估算方法，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。

优选的，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。

优选的，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。