[發明專利]一種空氣質量評價模型、模型構建方法及其應用

有效

• 申請號: 202010933365.5
• 申請日: 2020-09-08
• 公開（公告）號: CN112183950B
• 公開（公告）日: 2023-09-26
• 發明（設計）人: 白燕;張瑋;陳鴻陽;張亞俐;汪庭祥;賀引娥
• 申請（專利權）人: 西安建筑科技大學
• 主分類號: G16C20/20
• 分類號: G16C20/20;G16C20/70;G06N7/02;G06F17/16;G06Q50/26
• 代理公司: 西安恒泰知識產權代理事務所 61216
• 代理人: 孫雅靜

1.一種空氣質量評價模型構建方法，其特征在于，包括以下步驟：

S1，獲取特征大氣污染物，獲得評價因子集；

獲取評價因子集中各特征大氣污染物的濃度值與歷史空氣質量等級間的關聯度系數，獲得污染物關聯度系數集；

S2，將S1獲得的評價因子集中各特征大氣污染物濃度值通過信息熵計算獲得信息熵系數集；

S3，將S2獲得的信息熵系數集中的各信息熵系數與S1獲得的污染物關聯度系數集中對應的污染物關聯度系數相乘，獲得評價因子的權重集；

S4，獲取所述評價因子集中各特征大氣污染物濃度值關于標準空氣質量等級的隸屬度，獲得模糊關系矩陣；

S5，將S3獲得的評價因子的權重集和S4獲得的模糊關系矩陣相乘，獲得模糊綜合評價矩陣L；

S6，將S5獲得的模糊綜合評價矩陣L結合加權隸屬度原則，獲得空氣質量評價模型，所述空氣質量評價模型如式(1)；

其中，c_i為標準空氣質量等級，l_i為模糊綜合評價因子，i為大于零的自然數；

{l₁,...,l_n}＝L,L為模糊綜合評價矩陣，所述模糊綜合評價矩陣L是評價因子的權重集和模糊關系矩陣的乘積；

所述評價因子的權重集是信息熵系數集和污染物關聯度系數集的乘積，信息熵系數集是評價因子集通過信息熵計算得到，污染物關聯度系數集是評價因子集與歷史空氣質量等級間的關聯度系數，所述評價因子集是根據各大氣污染物與空氣質量間的關聯度獲得的特征大氣污染物的集合，所述模糊關系矩陣是評價因子集中各特征大氣污染物的濃度值關于標準空氣質量等級的隸屬度的集合。

2.如權利要求1所述的空氣質量評價模型構建方法，其特征在于，包括以下步驟：

S1，分別獲取四個季節的特征大氣污染物，獲得第一評價因子集、第二評價因子集、第三評價因子集和第四評價因子集；

獲取每個評價因子集中各特征大氣污染物的濃度值與對應季節歷史空氣質量等級間的關聯度系數，獲得第一污染物關聯度系數集、第二污染物關聯度系數集、第三污染物關聯度系數集和第四污染物關聯度系數集；

S2，將S1獲得的每個評價因子集中各特征大氣污染物濃度值通過信息熵計算獲得第一信息熵系數集、第二信息熵系數集、第三信息熵系數集和第四信息熵系數集；

S3，將S2獲得的每個信息熵系數集中的各信息熵系數與S1中對應的污染物關聯度系數集中對應的污染物關聯度系數相乘，獲得第一評價因子的權重集、第二評價因子的權重集、第三評價因子的權重集和第四評價因子的權重集；

S4，獲取所述每個評價因子集中各特征大氣污染物濃度值關于標準空氣質量等級的隸屬度，獲得第一模糊關系矩陣、第二模糊關系矩陣、第三模糊關系矩陣和第四模糊關系矩陣；

S5，將S3獲得的每個評價因子的權重集和S4中對應的模糊關系矩陣相乘，獲得第一模糊綜合評價矩陣、第二模糊綜合評價矩陣、第三模糊綜合評價矩陣和第四模糊綜合評價矩陣；

S6，將S5獲得的各模糊綜合評價矩陣分別結合加權隸屬度原則，獲得每個季節的空氣質量評價模型。

3.如權利要求1或2所述的季節性空氣質量評價模型構建方法，其特征在于，所述S1中，使用皮爾遜相關系數作為關聯度獲取指標，獲取大氣污染物的濃度序列與歷史空氣質量等級間的關聯度，選擇關聯度＞0.5對應的大氣污染物為特征大氣污染物。

4.如權利要求1或2所述的季節性空氣質量評價模型構建方法，其特征在于，所述S4中，使用指數隸屬度函數，以特征大氣污染物濃度值為行、特征大氣污染物濃度值關于標準空氣質量等級的隸屬度為列，獲得模糊關系矩陣。

5.一種空氣質量評價方法，其特征在于，包括以下步驟：

S61，獲取特征大氣污染物、特征大氣污染物的濃度值與歷史空氣質量等級，獲得樣本集；

S62，將S61獲得的樣本集輸入空氣質量評價模型中，得到空氣質量等級評價結果；

其中，所述的空氣質量評價模型為權利要求1-4任一所述的空氣質量評價模型構建方法構建得到的空氣質量評價模型。

6.一種空氣質量評價系統，其特征在于，包括特征大氣污染物及歷史空氣質量等級采集模塊和空氣質量評價模塊；

所述的特征大氣污染物及歷史空氣質量等級采集模塊，用于獲取特征大氣污染物、特征大氣污染物的濃度值以及歷史空氣質量等級，獲得樣本集；

所述的空氣質量評價模塊，用于執行權利要求5所述的空氣質量評價方法。