[發明專利]基于地理探測和PCA對PM2.5濃度分布的關鍵影響因子篩選方法

有效

• 申請號: 201910605427.7
• 申請日: 2019-07-05
• 公開（公告）號: CN110261272B
• 公開（公告）日: 2020-08-18
• 發明（設計）人: 趙銳;詹梨萍;姚明星
• 申請（專利權）人: 西南交通大學
• 主分類號: G01N15/06
• 分類號: G01N15/06
• 代理公司: 成都正華專利代理事務所(普通合伙) 51229
• 代理人: 何凡

本發明公開了一種基于地理探測和PCA對PM2.5濃度分布的關鍵影響因子篩選方法，其包括獲取PM2.5監測站點所在位置，建立若干緩沖區；獲取待研究區域內的影響因子數據并作離散化處理；將離散化處理后的影響因子數據，對應至PM2.5監測站點，得到每個PM2.5監測站點的影響因子數據；對離散化處理后的影響因子數據利用地理探測器模型進行貢獻度分析和關聯性分析等。本發明能夠解決現有技術中缺乏能夠全面考慮各變量與PM2.5濃度分布關系的分析方法的問題，準確性強、分析全面、適用范圍廣。

技術領域

本發明涉及大氣污染研究技術領域，具體涉及一種基于地理探測和PCA對PM2.5濃度分布的關鍵影響因子篩選方法。

背景技術

PM2.5是大氣主要污染物之一，與霧霾天氣的發生緊密相關。對PM2.5污染情況進行評估，需要大量連續的空間分布數據，現有技術中，地面監測是獲取PM2.5濃度數據最可靠的方法，但是現有的地面固定監測站點數量少，且空間分布不均勻，無法滿足要求。

對于PM2.5速測儀一類的氣體檢測儀器，具有時限短，范圍小，精度高，但成本高等特點，也無法很好的滿足評估需求。

利用PM2.5的影響因子數據結合地面固定監測站點的監測數據，構建回歸方程，以預測區域PM2.5質量濃度，并分析其時空分布特征，是實現污染物在區域內連續監測的一項關鍵技術方法。

實施該方法的關鍵在于對PM2.5影響因子的識別與篩選，現有的方法主要包括：一是因子相關性分析，即篩選的變量間存在一定共線性問題，有可能導致與PM2.5有顯著相關的解釋變量被剔除；二是因子主成分分析，可解決變量間共線性的問題，但容易忽視不同變量對PM2.5的協同和交互作用。

發明內容

本發明針對現有技術中的上述不足，提供了一種能夠解決現有技術中缺乏能夠全面考慮各變量與PM2.5濃度分布關系的分析方法的問題的基于地理探測和PCA對PM2.5濃度分布的關鍵影響因子篩選方法。

為解決上述技術問題，本發明采用了下列技術方案：

提供了一種基于地理探測和PCA對PM2.5濃度分布的關鍵影響因子篩選方法，其包括如下步驟：

S1、獲取待研究區域內的PM2.5監測站點所在位置，建立若干緩沖區；

S2、獲取待研究區域內的影響因子數據并作離散化處理；

S3、將離散化處理后的影響因子數據，對應至PM2.5監測站點，得到每個監測站點的影響因子數據；

S4、對離散化處理后的影響因子數據利用地理探測器模型進行貢獻度分析和關聯性分析；

S5、將影響因子分為若干相關組，并依次對每個緩沖區內的相同相關組的影響因子進行相關性分析；

S6、通過地理探測器模型分析和相關性分析的結果，對影響因子進行篩選，得到整體關鍵影響因子；

S7、通過主成分分析方法，對整體關鍵影響因子進行主成分變換，得到目標關鍵影響因子。

進一步地，緩沖區為以PM2.5監測站點所在位置為中心的若干個具有設定大小的區域。

進一步地，影響因子數據包括氣溫、降水量、相對濕度、風速、氣壓等氣象數據，綠地、耕地、建筑用地、水域等土地利用分布數據，人口密度數據，工業污染源、交通相關數據。

進一步地，對研究區域內的影響因子數據作離散化處理的方法為對獲取待研究區域內的影響因子數據中的氣象數據、人口密度數據、交通相關數據進行重新分類，并將這三類數據從數值量轉換成類型量。

進一步地，關聯性分析的方法為：

根據地理探測器模型的貢獻度分析結果，篩選出滿足條件公式：