[發明專利]基于重污染序列案例庫的區域重污染判別預報方法及裝置

有效

• 申請號: 201710321134.7
• 申請日: 2017-05-09
• 公開（公告）號: CN107292417B
• 公開（公告）日: 2020-03-17
• 發明（設計）人: 程念亮;孫峰;郇寧;張大偉;李云婷;毛書帥
• 申請（專利權）人: 北京市環境保護監測中心
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G01W1/10
• 代理公司: 北京頭頭知識產權代理有限公司 11729
• 代理人: 劉鋒

1.一種基于重污染序列案例庫的區域重污染判別預報方法，其特征在于，包括：

步驟1：根據收集的目標區域各監測站點監測到的污染指標數據和氣象要素數據，建立目標區域的歷史重污染序列案例庫，該案例庫中的序列由氣象要素數據組成；

步驟2：根據預報的目標區域未來某時段內的氣象要素數據，獲取未來該時段的序列；

步驟3：將獲取的未來該時段的序列與所述歷史重污染序列案例庫中的序列進行相似度對比，判別目標區域未來該時段的重污染情況；

所述步驟1包括：

步驟11：收集目標區域各監測站點監測到的污染指標數據和氣象要素數據；

步驟12：根據所述污染指標數據，選取污染條件下的氣象要素數據；

步驟13：對選取的氣象要素數據進行歸一化處理，建立目標區域所有的歷史污染序列；

步驟14：計算任意兩個歷史污染序列之間的相似度并得出所有歷史污染序列中兩兩歷史污染序列之間的相似度組成的相似度矩陣；

步驟15：根據所述相似度矩陣計算得出任一歷史污染序列相對于其他所有歷史污染序列的相似性值；

步驟16：選取前k個最大的相似性值所對應的歷史污染序列為聚類序列，作為表征重污染程度的核序列，并且把這k個相似性值中最小的相似性值設為閾值τ，從而完成建立所述歷史重污染序列案例庫，所述歷史重污染序列案例庫由核序列構成。

2.根據權利要求1所述的基于重污染序列案例庫的區域重污染判別預報方法，其特征在于，所述步驟14包括：

步驟141：首先取兩個歷史污染序列，設為P＝(p₁，p₂，…，p_n)和Q＝(q₁，q₂，…，q_m)，長度分別為n和m，利用動態規劃與遞歸的方式計算得到序列P與序列Q之間的距離dist(n，m)；

步驟142：計算序列P與序列Q之間的相似度s：

其中，α為歸一化系數，|P|和|Q|分別為序列P和Q的長度；

由此得到所有歷史污染序列中兩兩歷史污染序列之間的相似度組成的相似度矩陣A，

其中，s_ij為歷史污染序列i與歷史污染序列j之間的相似度，h為歷史污染序列的數量，1≤i≤h，1≤j≤h。

3.根據權利要求1所述的基于重污染序列案例庫的區域重污染判別預報方法，其特征在于，所述步驟3進一步為：計算未來該時段的序列與所述歷史重污染序列案例庫中的每個序列之間的相似度并判斷該相似度與所述閾值τ之間的大小關系，若其中只要有一個相似度大于所述閾值τ，則判別未來該時段會有重污染，否則判別沒有。

4.根據權利要求1所述的基于重污染序列案例庫的區域重污染判別預報方法，其特征在于，所述步驟1中，污染指標包括PM2.5和PM10，氣象要素包括溫度、濕度、風速、氣壓、邊界層高度和逆溫。

5.根據權利要求1所述的基于重污染序列案例庫的區域重污染判別預報方法，其特征在于，所述步驟13包括：

采用歸一化處理建立目標區域所有的歷史污染序列時，首先所有歷史污染序列中的氣象要素的順序保持一致，之后各個監測站點的順序按空間上從北往南，從西向東的經緯度坐標排序，最后按時間順序排序。

6.根據權利要求1至5中任一所述的基于重污染序列案例庫的區域重污染判別預報方法，其特征在于，所述步驟3之后還包括：

步驟4：一段時間后，當所述歷史重污染序列案例庫新增的重污染序列的數目大于所述歷史重污染序列案例庫中的序列的五分之一時，則按照所述步驟1的方法更新歷史重污染序列案例庫。