[發明專利]基于多參數空間濾波預測模型預測大氣污染物數據的方法

在審

• 申請號: 202211234756.3
• 申請日: 2022-10-10
• 公開（公告）號: CN115526410A
• 公開（公告）日: 2022-12-27
• 發明（設計）人: 蘇哲賢;王順平;趙哲
• 申請（專利權）人: 王順平
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06F17/18;G06K9/62;G06F17/16
• 代理公司: 合肥市科深知識產權代理事務所(普通合伙) 34235
• 代理人: 邢兆瀚

本發明公開了基于多參數空間濾波預測模型預測大氣污染物數據的方法，涉及空氣質量檢測技術領域，通過將參數分為兩類全局變量與局部變量，計算得到參數系數，這些系數將會與各地區參數矩陣共同進行遞歸預測，構建的預測模型主要有兩個核心部分，一個是空間回歸，一個是空間濾波，基于t?1時刻的后驗估計，得到t時刻的先驗預測，由t?1時刻傳遞的誤差被量化為誤差協方差，從而計算卡爾曼增益，隨后即可得到t時刻的最優估計值，用該后驗估計重新計算誤差協方差，此時刻最優估計值，應用于下一時刻的先驗預測。所有的計算最多只涉及兩個時間節點，又有清晰簡單的數學推導，對數據要求低，這使得它十分容易使用計算機實現，且性能消耗較低。

技術領域

本發明屬于空氣質量檢測技術領域，具體是基于多參數空間濾波預測模型預測大氣污染物數據的方法。

背景技術

隨著經濟社會的發展，人類活動日趨增強的今天，空氣污染已經成為一個不可避免的問題，如何緩解生態環境保護與經濟社會發展之間的矛盾，是當今亟待解決的問題和熱點。

空氣污染有很多的成因，其中由非大氣背景氣溶膠(PM2.5，PM10)造成的霧霾天氣則對人民的健康有較大威脅，這些細小顆粒活性強，很容易成為其他污染物的載體傳播進入人體。

如中國專利CN213957144U提供一種空氣污染物檢測裝置，包括空氣污染物檢測裝置本體，該空氣污染物檢測裝置，通過設置有顯色瓶、空壓機、進氣管等裝置，能夠實現空氣從進氣管進入到顯色瓶中，而顯色瓶中填充有純凈液，通過純凈液的設置能夠使得空氣中的雜質和污染物脫離到純凈液中；還如中國專利CN109001375A提供一種空氣污染物的檢測系統，數據采集器電性連接有PM2.5檢測器、PM10檢測器、二氧化硫檢測器、二氧化氮檢測器、一氧化碳檢測器以及臭氧檢測器，在檢測時，能夠快速對空氣進行檢測；載入中國專利CN208860707U公開了空氣檢測設備領域的一種空氣污染物檢測設備，等等諸如此類，均提供一種關于空氣污染物的檢測裝置。

但是，如上所述，對于PM2.5數據大多數主要由測量得到，不免需要大量設備儀器人工成本的使用，同時也為了因地制宜的設置合理的生態治理目標，找到一種多參數的PM2.5預測模型至關重要，因此，本發明提出了基于多參數空間濾波預測模型預測大氣污染物數據的方法。

發明內容

本發明旨在至少解決現有技術中存在的技術問題之一；為此，本發明利用空間回歸與濾波的優勢，使用其對PM2.5數值進行預測，解釋了該變量與經濟社會自然之間存在的關系，通過預測值，測量值，濾波值之間的對比，反映預測模型回歸效果較好，預測結果協方差明顯低于測量協方差，具體的，本發明提出了基于多參數空間濾波預測模型預測大氣污染物數據的方法，以解決以下技術問題：

1、基于通用的神經網絡把空氣污染預測看作是一個時序數據預測問題的特例，這些方法在技術上具有使用神經網絡的固有缺點：需要大量的數據去訓練模型，同時需要消耗大量的計算性能；

2、另外，使用神經網絡模型解決問題，可解釋性較弱，難以直接通過模型挖掘出特征和預測結果之間的可解釋關系。

所以基于以上考量，本發明決定試圖尋找一種規避了神經網絡算法缺陷的方法，即利用空間回歸作為參數回歸模型，解釋經濟社會自然影響因素與存在于空氣中細顆粒物之間的關系，將該關系與歷史空氣污染影響因子作為輸入矩陣，構建多參數空間濾波預測模型，具體的，基于多參數空間濾波預測模型預測大氣污染物數據的方法，包括以下步驟：

步驟S1：將空氣污染參數分為全局變量與局部變量；

步驟S2：通過空間回歸算法獲取空氣污染參數的回歸方程及對應的回歸系數；

步驟S3：結合回歸系數、地區參數矩陣進行空間濾波分析，獲取遞歸預測結果。

進一步地，所述步驟S2中，獲取空氣污染參數的回歸方程的方法為：

對于全局變量：