[發明專利]一種基于主動學習和克里金插值的空氣質量推測算法

在審

• 申請號: 201811468938.0
• 申請日: 2018-12-04
• 公開（公告）號: CN109753631A
• 公開（公告）日: 2019-05-14
• 發明（設計）人: 於志文;常慧娟;郭斌;王亮
• 申請（專利權）人: 西北工業大學
• 主分類號: G06F17/17
• 分類號: G06F17/17;G06F17/16;G06F17/18
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 劉新瓊

本發明涉及一種基于主動學習和克里金插值的空氣質量推測算法，該方法通過克里金插值預估所插數據的誤差，提出基于置信度的計算方法，尋找對模型置信度最大的位置對空氣質量優先采樣，經過采樣融合后準確推測其他位置的空氣質量，以更加全面地利用空氣監測站數據預測空氣質量，并更好的了解城市空氣質量的走勢，進一步地為市政人員后期針對性地控制大氣污染提供更好的依據。

技術領域

本發明涉及信息加工技術領域，具體涉及一種基于主動學習和克里金插值的空氣質量推測算法。具體地說，利用空氣監測站收集空氣中個污染物濃度信息，選取最少的位置對空氣質量進行采樣并最大程度準確地推測其他位置的空氣質量。

背景技術

隨著社會經濟的發展和人民生活水平的提高，空氣質量也越來越被大家所關注。空氣一直是維護人類及生物生存的保護膜，對人類及生物生存起重要作用，但隨著工業及交通運輸業的不斷發展，大量的有害物質被排放到空氣中，空氣質量每況愈下，由其導致的酸雨、全球變暖都在破壞著人類的自然環境和生態系統。在循環經濟、綠色經濟、經濟與環境可持續發展的趨勢下，了解空氣污染變化趨勢，掌握及時、準確、全面的空氣質量信息、對空氣質量進行精準預測是必要的措施之一，準確獲取城市中每個位置的空氣質量就成為一項必不可少的研究工作，從而為監控空氣污染狀況并對制定治理措施提供依據。但由于空氣質量監測站需占用大量空間且成本高昂，僅能在少數位置部署，因此選取哪些位置對空氣質量進行采樣，能最大程度地推測其他位置的空氣質量是一項具有挑戰的工作。

鑒于空氣質量具有空間自相關性，因此選用克里金插值作為基礎的空氣質量推測算法，但克里金插值法缺乏最優采樣位置的選擇方法，所以結合了主動學習的思想，尋找對模型置信度貢獻最大的位置優先采樣，最終建立基于主動學習的插值模型，選取最少的位置對空氣質量進行采樣以推測其他位置的空氣質量。

發明內容

要解決的技術問題

為了避免現有技術的不足之處，本發明提出一種基于主動學習和克里金插值的空氣質量推測算法。

技術方案

一種基于主動學習和克里金插值的空氣質量推測算法，其特征在于步驟如下：

步驟1：利用空氣質量監測站收集空氣中各污染物濃度信息數據，將數據整理成四元組<監測站id，監測站位置，檢測時間，空氣質量指數>的格式；原始數據表示為(station_id,time,PM25_Concentration,PM10_Concentration,NO2_Concentration,CO_Concentration,O3_Concentration,SO2_Concentration)，其中station_id代表監測站id，time代表所監測的污染物濃度信息的時間，(PM25_Concentration,PM10_Concentration,NO2_

Concentration,CO_Concentration,O3_Concentration,SO2_Concentration)代表空氣中懸浮顆粒物，二氧化氮，一氧化碳，臭氧，二氧化硫污染物濃度；

步驟2：分別針對五種空氣污染物濃度數據使用公式計算得到5個I值，取最大的I值為空氣質量指數，即AQI；C為污染物濃度；C_l、C_h為該污染物濃度限值，I_l、I_h為對應的AQI限值，4個數均為常量，可通過查閱空氣質量指數及對應的污染物濃度限值表獲得；

表1空氣質量指數及對應的污染物濃度限值

步驟3：計算各空氣監測站距離之間的半方差，衡量各監測站之間的空間相關程度即半變異函數，計算公式如下：