一种空气质量颗粒物浓度预测数据的补全方法技术

本发明专利技术提供一种空气质量颗粒物浓度预测数据的补全方法，包括以下步骤：S1、获取当天气象数据、大气数据，以及从当天往未来推第一时长的未来气象数据、大气数据；S2、将多组数据写入数据集；S3、将数据集输入到颗粒物浓度预测模型中，得到未来第一天的颗粒物浓度预测数据；S4、将未来第一天的颗粒物浓度预测数据按步骤S2的方法写入数据集，形成新的数据集；S5、将新的数据集输入到颗粒物浓度预测模型中，得到未来第二天的颗粒物浓度预测数据；S6、重复步骤S4

【技术实现步骤摘要】
一种空气质量颗粒物浓度预测数据的补全方法


[0001]本专利技术涉及环境保护
，具体涉及一种空气质量颗粒物浓度预测数据的补全方法。

技术介绍

[0002]为了进行环境保护，环境保护管理部门会对空气质量进行预测。现有的空气质量预测技术，是通过既往空气质量的实测数据对未来的空气质量进行预测。目前的空气质量预测只能存储需要预测的某一天的当天数据，对臭氧这一类不带有累计效应的污染物预测准确率较高，但是对pm2.5等颗粒物预测效果不佳。其原因是因为颗粒物具有累计效应，可能今天的颗粒物没有消散，第二天的又开始往上累计了，这样只根据当天数据进行直接预测，预测结果容易出现较大偏差；目前对预测空气质量中的颗粒物浓度的预测准确率只有55％。

技术实现思路

[0003]针对现有技术存在的不足，本专利技术提出一种空气质量颗粒物浓度预测数据的补全方法，以解决现有技术中存在的对空气质量中的颗粒物浓度进行预测时，只根据当天数据进行直接预测，预测结果出现的偏差较大的技术问题。
[0004]本专利技术采用的技术方案如下：
[0005]第一方面，提供了一种空气质量颗粒物浓度预测数据的补全方法，包括以下步骤：
[0006]S1、获取当天气象数据、当天大气数据，以及从当天往未来推第一时长的未来气象数据、未来大气数据；
[0007]S2、根据当天气象数据、未来气象数据，将当天等压面的最高气温、最低气温和平均气温，当天日平均气温与地面最高气温差值，当天与未来第二时长的地面平均气压差值，当天地表短波辐射总量写入数据集；
[0008]根据当天大气数据、未来大气数据，将当天颗粒物浓度的最高值、最低值和平均值，未来第一时长颗粒物浓度的最高值、最低值和平均值，未来第一时长空气质量分指数的最高分值、最低分值和平均分值写入数据集；
[0009]S3、将数据集输入到颗粒物浓度预测模型中预测未来第一天的空气质量，得到未来第一天的颗粒物浓度预测数据；
[0010]S4、将未来第一天的颗粒物浓度预测数据按步骤S2的方法写入数据集，形成新的数据集；
[0011]S5、将新的数据集输入到颗粒物浓度预测模型中预测未来第二天的颗粒物浓度，得到未来第二天的颗粒物浓度预测数据；
[0012]S6、重复步骤S4
‑
S5，补全未来的颗粒物浓度预测数据。由上述技术方案可知，本专利技术的有益技术效果如下：可以根据现有的气象数据、大气数据，对未来的颗粒物浓度数据进行预测和补全，补全后的颗粒物浓度数据预测数据，其预测准确率可以从55％提升到80％。
[0013]进一步的，颗粒物包括：细颗粒物PM2.5、可吸入颗粒物PM10。
[0014]进一步的，等压面具体包括：第一等压面850hPa等压面，第二等压面700hPa等压面，第三等压面500hPa等压面。
[0015]进一步的，第一时长为72小时，第二时长为24小时。
[0016]进一步的，颗粒物浓度预测模型包括长短期记忆神经网络。
[0017]进一步的，颗粒物浓度预测模型按照以下步骤进行构建：
[0018]使用数据集，将当天气象数据、当天大气数据作为长短期记忆神经网络的输入，未来气象数据、未来大气数据作为长短期记忆神经网络的输出，对长短期记忆神经网络进行训练，得到颗粒物浓度初步预测长短期记忆神经网络；
[0019]将当天气象数据、当天大气数据输入到颗粒物浓度初步预测长短期记忆神经网络，得到未来颗粒物浓度第一预测数据；
[0020]根据未来颗粒物浓度第一预测数据，构建预报因子的原始数据序列；
[0021]对原始数据序列进行累加，构建第二数据序列；
[0022]建立微分方程，根据第二数据序列通过最小二乘法对微分方程的常数求解，得到颗粒物浓度预测模型。由上述技术方案可知，本专利技术的有益技术效果如下：构建的颗粒物浓度预测模型，对于包含不确定因素的复杂情况，其预测效果较好，且所需样本数据较小。
[0023]第二方面，提供了一种电子设备，包括：
[0024]一个或多个处理器；
[0025]存储装置，用于存储一个或多个程序；
[0026]当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现第一方面提供的空气质量颗粒物浓度预测数据的补全方法。
[0027]第三方面，提供了一种存储有计算机程序的计算机可读存储介质，计算机程序被处理器执行时实现第一方面提供的空气质量颗粒物浓度预测数据的补全方法。
附图说明
[0028]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
[0029]图1为本专利技术实施例1预测数据补全方法流程图；
[0030]图2为本专利技术实施例1的颗粒物浓度预测模型构建方法流程图。
具体实施方式
[0031]下面将结合附图对本专利技术技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，因此只作为示例，而不能以此来限制本专利技术的保护范围。
[0032]需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本专利技术所属领域技术人员所理解的通常意义。
[0033]实施例1
[0034]本实施例提供了一种空气质量颗粒物浓度预测数据的补全方法，如图1所示，具体
按照以下步骤进行：
[0035]S1、获取当天气象数据、当天大气数据，以及从当天往未来推第一时长的未来气象数据、未来大气数据。
[0036]通过气象观测站获得气象数据，在本实施的技术方案中，获取的气象数据包括温度、气压、地表短波辐射，以上要素对颗粒物浓度都会造成影响，比如气压会影响颗粒物的聚集和扩散；地表短波辐射会对气溶胶形态的物资造成影响，而颗粒物在大气中近似气溶胶。
[0037]通过环境监测站获得大气数据，在本实施的技术方案中，获取的大气数据包括细颗粒物PM2.5、可吸入颗粒物PM10，以及通过环境监测实测数据计算得到的空气质量分指数IAQI。
[0038]在具体的实施例中，当天是指任意的某一天，比如6月1日。第一时长优选为72小时，从当天往未来推72小时，即是6月2日、6月3日、6月4日的气象数据和大气数据，6月2日、6月3日、6月4日的气象数据和大气数据为现有的预测数据，可通过气象部门和环境保护部门公开的数据获得。
[0039]S2、根据当天气象数据、未来气象数据，将当天等压面的最高气温、最低气温和平均气温，当天日平均气温与地面最高气温差值，当天与未来第二时长的地面平均气压差值，当天地表短波辐射总量写入数据集；
[0040]根据当天大气数据、未来大气数据，将当天24小时颗粒物浓度的最高值、最低值和平均值，未来第一时长颗粒物浓度的最高值、最低值和平均值，未来第一时长空气质量分指数的最高分值、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种空气质量颗粒物浓度预测数据的补全方法，其特征在于，包括以下步骤：S1、获取当天气象数据、当天大气数据，以及从当天往未来推第一时长的未来气象数据、未来大气数据；S2、根据当天气象数据、未来气象数据，将当天等压面的最高气温、最低气温和平均气温，当天日平均气温与地面最高气温差值，当天与未来第二时长的地面平均气压差值，当天地表短波辐射总量写入数据集；根据当天大气数据、未来大气数据，将当天颗粒物浓度的最高值、最低值和平均值，未来第一时长颗粒物浓度的最高值、最低值和平均值，未来第一时长空气质量分指数的最高分值、最低分值和平均分值写入数据集；S3、将数据集输入到颗粒物浓度预测模型中预测未来第一天的空气质量，得到未来第一天的颗粒物浓度预测数据；S4、将未来第一天的颗粒物浓度预测数据按步骤S2的方法写入数据集，形成新的数据集；S5、将新的数据集输入到颗粒物浓度预测模型中预测未来第二天的颗粒物浓度，得到未来第二天的颗粒物浓度预测数据；S6、重复步骤S4
‑
S5，补全未来的颗粒物浓度预测数据。2.根据权利要求1所述的空气质量颗粒物浓度预测数据的补全方法，其特征在于，所述颗粒物包括：细颗粒物PM2.5、可吸入颗粒物PM10。3.根据权利要求1所述的空气质量颗粒物浓度预测数据的补全方法，其特征在于，所述等压面具体包括：第一等压面850hPa等压面，第二等压面700hPa等压面，第三等压面500hPa等压面。4.根据权利要求1所述的空气质量颗粒物浓度...

【专利技术属性】
技术研发人员：杜云松，何吉明，张巍，谢国宇，
申请(专利权)人：四川省生态环境监测总站，
类型：发明
国别省市：