[發明專利]一種基于機器學習的污染源類型自動識別方法

有效

• 申請號: 202010846058.3
• 申請日: 2020-08-21
• 公開（公告）號: CN111985567B
• 公開（公告）日: 2022-11-22
• 發明（設計）人: 王春迎;詹宇;馬景金;馬紅楠;張朝;王振強;張仕富;吳秦慧姿
• 申請（專利權）人: 河北先河環保科技股份有限公司;河北先進環保產業創新中心有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00;G06N3/08;G06Q50/26;G01N33/00;G01D21/02;G01N15/06
• 代理公司: 河北知亦可為專利代理事務所(特殊普通合伙) 13115
• 代理人: 章玉琳

一種基于機器學習的污染源類型自動識別方法。包含：基于環境監測數據，以及時間和地理信息，通過分析判斷，識別污染問題的發生并判斷污染源類型，建立典型污染案例庫；基于機器學習算法，以案例庫的數據為樣本提取數據特征，并開發污染源類型識別算法模型；利用所述算法模型對實時監測數據中進行監控，發現異常數據則標記為污染事件，進一步識別造成污染的源類型，實現污染源排放的在線識別并自動報警；根據報警信息審核或現場核查模型識別結果，若確實存在則處理污染問題，并補充列入典型案例庫，以供算法模型持續優化；若識別結果不準確則解除污染事件標記。基于網格化微型站、小型站等監測數據，可將更多數據納入數據源，能進一步優化模型。

技術領域

本發明涉及大氣環境監測領域，尤指一種基于機器學習的污染源類型自動識別方法。

背景技術

在大氣環境監測領域，傳統的監測采用標準空氣站方法，由于成本高布點數量少，產生數據量小，難以準確反映精細化污染問題。而采用傳感器方法的微型站則因為成本低可以實現大規模布點應用，從而獲取監測區域高時空分辨率的監測數據，監測參數包含PM10、PM2.5、SO2、NO2、CO、O3、溫度、濕度，空間分辨率高達1*1km,時間分辨率1h。海量的環境監測數據的獲取，支撐了“污染源”和“空氣質量”之間的對應關系的建立，通過人工分析研究，可以從數據特征發現存在的污染問題，并判斷產生大氣污染的源類型，包括揚塵源、移動源、燃煤源、餐飲油煙源、工業源等，為環境問題現場排查工作縮小排查范圍、提高檢查精準度，提高監管效率，節約人力。

但目前的問題是，基于海量監測數據發現污染問題和源類型的過程需要大量的人力和時間，且對研究人員的技術水平和經驗依賴性高，整體應用過程效率較低、時效性差且受限于技術人員水平，難以有效支撐環境管理。因此需要一種能夠高效、快速且穩定進行污染源類型識別的計算方法。

目前，現有的污染源識別專利技術多基于熱點網格而非實時監測數據，例如中國專利CN110147383A，名稱為《確定污染源類型的方法及裝置》，公開了一種確定污染源類型的方法，其通過設置濃度預設值、濃度差值預設值，結合風速、風向和網格內污染源情況，確定所述污染網格的污染源類型；而中國專利CN110006799A發明名稱為《一種熱點網格污染類型的分類方法》，公開了一種熱點網格污染類型的分類方法，其實通過大氣污染物濃度隨時間的變化特征對大氣熱點網格污染類型進行分類。上述技術存在四方面弊端：一是熱點網格數據的時間、空間分辨率較低，因此污染源識別工作多基于歷史數據，無法實時指導污染溯源工作，并且對于識別結果難以進行科學有效的驗證；二是衛星反演數據本身受云量等氣象條件所制約，準確性不能保證，不能做到有效溯源；三是熱點網格數據反映的是網格區域而非污染源周邊的空氣質量情況，因而難以通過數據特征進行污染源類型的判別；四是污染源識別的方式較為單一，特征參數較少。而污染源類型至少包含6種具不同污染特征污染源類型。且上述污染特征無法進行準確描述。

發明內容

為解決上述問題，本發明主要目的在于，提供一種基于機器學習的污染源類型自動識別方法，使該方法可利用各項污染物參數、時間、空間坐標信息，空間信息參與識別污染過程的模型運算，也就是會考慮目標網格數據與周圍網格數據的差異，而不僅僅在時間序列上分析數據變化趨勢。

為實現上述目的，本發明提供了一種基于機器學習的污染源類型自動識別方法，其主要步驟如下：

步驟一、基于PM10、PM2.5、SO2、NO2、CO、O3、溫度、濕度等監測數據，以及時間和地理信息，通過(專家)分析判斷，識別污染問題的發生并判斷污染源類型，并建立典型污染案例庫。

步驟二、基于機器學習算法，以案例庫的海量數據為樣本提取數據特征，并開發污染源類型識別算法模型；

步驟三、利用模型對實時監測數據中進行監控，發現異常數據則標記為污染事件，并進一步識別造成污染的源類型，實現污染源排放的在線識別并自動報警；