本申請提供網格化大氣污染強度的監控方法、裝置、設備和存儲介質。所述監控方法包括：獲取單位時間間隔的污染物數據和氣象數據；對目標區域、所述污染物數據、所述氣象數據進行網格化，得到多個網格；獲取所述多個網格內的污染源相關數據；利用網格化的污染物數據和氣象數據及所述污染源相關數據得到各類污染源相關數據對污染物數據影響的權重；利用所述權重和各網格中的污染源相關數據得到各網格的綜合污染源強度。

技術領域

本申請涉及環保技術領域，具體而言，涉及網格化大氣污染強度的監控方法、裝置、設備和存儲介質。

背景技術

空氣污染，又稱為大氣污染，按照國際標準化組織(ISO)的定義，通常是指：由于人類活動或自然過程引起某些物質進入大氣中，呈現出足夠的濃度，達到足夠的時間，并因此危害了人類的舒適、健康和福利或環境的現象。近年來，我國空氣質量雖得到大幅改善，但距離標準仍有較大差距，繼續聚焦空氣污染治理仍是一個長期、艱巨的任務。

排放源的管控是空氣污染治理中重要的一環。需要獲得精細化的污染排放強度，找到治理的關鍵位置，從而更加有效的進行污染源管控。現有的排放強度主要通過排污企業清單、環統數據、污染源普查數據等以排放企業為單位進行統計，以獲得污染源排放清單。該清單污染物排放統計較為準確，但時間更新頻率較慢，空間分辨較低且保密程度較高，難以有效指導污染管控工作。

在所述背景技術部分公開的上述信息僅用于加強對本申請的背景的理解，因此它可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

本申請旨在提供一種網格化大氣污染強度的監控方法、裝置、設備和存儲介質，能夠有效指導污染管控工作。

本申請的其該用戶特性和優點將通過下面的詳細描述變得顯然，或部分地通過本申請的實踐而習得。

根據本申請的一方面，提供一種基于多源數據融合的網格化大氣污染強度的監控方法，包括：獲取單位時間間隔的污染物數據和氣象數據；對目標區域、所述污染物數據、所述氣象數據進行網格化，得到多個網格；獲取所述多個網格內的污染源相關數據；利用網格化的污染物數據和氣象數據及所述污染源相關數據得到各類污染源相關數據對污染物數據影響的權重；利用所述權重和各網格中的污染源相關數據得到各網格的綜合污染源強度。

根據一些實施例，所述污染物數據包括污染物類別、污染物濃度中的至少一種。

根據一些實施例，所述氣象數據包括風向、風速、濕度、氣壓中的至少一種。

根據一些實施例，對所述污染物數據、所述氣象數據進行網格化，包括：利用WRF氣象模型對所述污染物數據、所述氣象數據進行網格化。

根據一些實施例，所述污染源相關數據包括：網絡POI數據、交通路網數據、衛星遙感數據、環境統計數據中的至少一種。

根據一些實施例，所述利用網格化的污染物數據和氣象數據及所述污染源相關數據得到各類污染源相關數據對污染物數據影響的權重，該權重的計算步驟為：

a.以周為單位計算歷史上每種污染源與該種污染物的周平均濃度的加權相關系數，并最終獲得污染源與污染物的平均加權相關系數：

式中α為污染源對污染物加權，SOUCE_i為網格化的第i周污染源數據，POL_i為網格化的第i周污染物數據，W為歷史數據總周數；

b.以污染源數據，對應平均加權相關系數，小時級氣象數據為輸入，建立第一類預測小時級污染物濃度的機器學習模型，并計算其預測的平均絕對誤差MAE；

需指出專利并不限定所使用的具體機器學習方法，只需確保第一類預測小時級污染物濃度的機器學習模型與第二類預測小時級污染物濃度的機器學習模型所使用的方法與參數嚴格相同。