大气污染多粒度精准成因分析方法及装置制造方法及图纸

本发明专利技术提出了一种大气污染多粒度精准成因分析方法及装置，分析方法包括：获取监测区域的第一参数集和第二参数集，其中，第一参数集用于指示监测区域在第一预设时间段内的大气污染浓度数据，第二参数集用于指示监测区域在第一预设时间段内的气象数据；将第一参数集和第二参数集输入至第一预设模型，以确定大气污染类型；根据大气污染类型，进行大气污染多粒度成因分析。本发明专利技术的技术方案，充分融合了深度学习技术和经典的大气机理模型，仅利用监测的大气污染浓度数据和气象数据就可以快速准确的确定污染类型，根据污染类型进一步进行多粒度溯源分析，提高了大气污染成因分析的准确性，为大气治理提供了可靠的辅助决策信息。为大气治理提供了可靠的辅助决策信息。为大气治理提供了可靠的辅助决策信息。

Method and device for accurate cause analysis of multi granularity of air pollution

【技术实现步骤摘要】
大气污染多粒度精准成因分析方法及装置


[0001]本专利技术涉及污染监测
，具体而言，涉及一种大气污染多粒度精准成因分析方法及装置。

技术介绍

[0002]现有技术中，大气污染成因分析方法中主要采用大气物理和大气化学两个维度进行分析，但基于大气物理的方法只能弄清大致的污染来源，不能进行精准的成因分析，而基于化学的方法需要专用的化学检测仪器对采集的大气样本进行化学分析，过程费时费力。

技术实现思路

[0003]本专利技术旨在至少解决现有技术或相关技术中存在的技术问题之一。
[0004]为此，本专利技术的第一个方面在于提出一种大气污染多粒度精准成因分析方法。
[0005]本专利技术的第二个方面在于提出一种大气污染多粒度精准成因分析装置。
[0006]本专利技术的第三个方面在于提出一种可读存储介质。
[0007]本专利技术的第四个方面在于提出一种电子设备。
[0008]有鉴于此，根据本专利技术的第一个方面，提出了一种大气污染多粒度精准成因分析方法，包括：获取监测区域的第一参数集和第二参数集，其中，第一参数集用于指示监测区域在第一预设时间段内的大气污染浓度数据，第二参数集用于指示监测区域在第一预设时间段内的气象数据；将第一参数集和第二参数集输入至第一预设模型，以确定大气污染类型；根据大气污染类型，进行大气污染多粒度成因分析。
[0009]需要说明的是，本专利技术所提出的大气污染多粒度精准成因分析方法的执行主体可以是大气污染多粒度精准成因分析装置，为了更加清楚的对本专利技术提出的大气污染多粒度精准成因分析方法进行说明，下面技术方案中以大气污染多粒度精准成因分析方法的执行主体为大气污染多粒度精准成因分析装置进行示例性说明。
[0010]在该技术方案中，第一参数集用于指示监测区域内在第一预设时间段内采集的大气污染浓度数据，主要包括如PM2.5、PM10、SO2、CO2、CO、O3等污染物的浓度值。第二参数集用于指示监测区域内第一预设时间段内采集的气象数据，主要包括如监测区域大气边界层高度、降雨量、表面气压、温度、湿度、风速和风向等个气象参数。可以理解的是，分析装置可通过监测站点、气象局和相关非盈利性机构获取上述第一参数集和第二参数集。上述大气污染多粒度分析用于指示针对不同的大气污染类型，采用不同的分析方式。
[0011]具体地，分析装置获取监测区域的第一参数集和第二参数集，并将第一参数集和第二参数集输入至第一预设模型中，以确定出大气污染的类型。
[0012]进一步地，在确定大气污染类型后，分析装置根据具体的大气污染类型进行具体的大气污染多粒度成因分析。
[0013]具体而言，大气污染类型包括沙尘暴型、外来型、局部型、静稳天气型、复合型和常规型中的任一种。其中，沙尘暴型用于表示大气污染的成因是沙尘暴造成的；外来型用于表
示大气污染的成因为潜在的外来污染源造成的；局部型用于表示的大气污染的成因为监测区域中多个局部的污染源造成的；静稳天气型用于表示出现了持续不利于大气污染物扩散的气象条件；复合型用于表示由多种原因造成了大气污染，常规型用于表示没有出现大气污染的情况。
[0014]现有技术中，大气污染成因分析方法中主要采用大气物理和大气化学两个维度进行分析，但基于大气物理的方法只能弄清大致的污染来源，不能进行精准的成因分析，而基于化学的方法需要专用的化学检测仪器对采集的大气样本进行化学分析，过程费时费力。
[0015]因此，在本专利技术的技术方案中，分析装置首先将获取的监测区域的第一参数集合第二参数集输入至预先训练好的图循环神经网络模型中确定出大气污染的类型，然后根据大气污染类型对大气污染的成因和污染源进行分析。本专利技术的技术方案考虑到不同的大气污染的类型成因存在差异，所以分析装置首先根据采集的大气污染的浓度数据和气象数据确定出大气污染的类型，然后针对不同的污染类型，采用不同的分析方法，提高了大气污染成因分析的准确性。同时，本专利技术的技术方案中，通过预先根据历史数据训练好的第一预设模型能够快速确定出大气污染的类型，使得大气污染多粒度成因分析既方便快速又全面精准。
[0016]此外，根据本专利技术的上述大气污染多粒度精准成因分析方法，还可以具有以下附加技术特征：
[0017]在上述技术方案中，第一预设模型为图循环神经网络模型，图循环神经网络模型的图数据包括结点属性、结点特征、邻接矩阵和边属性，结点属性用于指示气象数据和时间特征数据，结点特征用于指示大气污染浓度数据，邻接矩阵为全1矩阵，边属性用于指示地理相似度和风向相似度；在获取监测区域的第一参数集和第二参数集之前，分析方法还包括：设定图循环神经网络模型的损失函数和激活函数；获取监测区域的历史参数集，并根据历史参数集确定训练样本对图循环神经模型进行训练；其中，历史参数集用于指示监测区域历史时间段发生大气污染报警事件时的大气污染浓度数据和气象数据。
[0018]在该技术方案中，上述历史参数集用于指示监测区域历史时间段发生大气污染报警事件时的大气污染浓度数据和气象数据。一般来说，取监测区域中近5年的污染超标报警事件的污染浓度数据和气象数据作为历史参数集。
[0019]在该技术方案中，第一预设模型为图循环神经网络模型，图循环神经网络模型的图数据包括结点属性、结点特征、邻接矩阵和边属性。具体而言，在本专利技术的技术方案中，结点属性用于指示气象数据和时间特征数据，结点特征用于指示大气污染浓度数据，邻接矩阵为M
×
(M
‑
1)的全1矩阵，M为结点数，边属性用于指示地理相似度和风向相似度。具体而言，上述时间特征数据包括季度、月度、周日、小时、节假日等5大特征。上述地理位置相似度为静态值，上述风向相似度根据气象条件变化而变化，是动态值。
[0020]进一步地，在获取监测区域的第一参数集和第二参数集之前，分析装置还用于对确定了图数据的图循环神经网络模型训练，以确定出能够根据第一参数集和第二参数集确定大气污染类型的图循环神经网络模型。
[0021]具体地，分析装置设定图循环神经网络模型的损失函数和激活函数。具体而言，以目标检测函数(CenterNet)作为上述损失函数，以指数线性单元函数(Exponential Linear Units简称为ELU)作为激活函数。
[0022]进一步地，分析装置获取历史参数集，并根据历史参数集生成训练样本对上述图循环神经网络模型进行训练，以确定出能够用于确定大气污染类型的图循环神经网络模型。
[0023]在该技术方案中，分析装置首先设定损失函数和激活函数，然后获取历史参数集确定训练样本，并通过训练样本训练上述图循环神经网络模型，确定出了能够根据大气污染浓度数据和气象数据精准确定大气污染类型的图循环神经网络模型(即第一预设模型)，提高了大气污染分析的效率和准确性。
[0024]在上述技术方案中，根据大气污染类型，进行大气污染多粒度成因分析的步骤具体包括：基于大气污染类型为沙尘暴型，将第二参数集输入至第二预设模型，确定污染源发生的时间本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大气污染多粒度精准成因分析方法，其特征在于，包括：获取监测区域的第一参数集和第二参数集，其中，所述第一参数集用于指示所述监测区域在第一预设时间段内的大气污染浓度数据，所述第二参数集用于指示所述监测区域在所述第一预设时间段内的气象数据；将所述第一参数集和所述第二参数集输入至第一预设模型，以确定大气污染类型；根据所述大气污染类型，进行大气污染多粒度成因分析。2.根据权利要求1所述的大气污染多粒度精准成因分析方法，其特征在于，所述第一预设模型为图循环神经网络模型，所述图循环神经网络模型的图数据包括结点属性、结点特征、邻接矩阵和边属性，所述结点属性用于指示所述气象数据和时间特征数据，所述结点特征用于指示所述大气污染浓度数据，所述邻接矩阵为全1矩阵，所述边属性用于指示地理相似度和风向相似度；在获取监测区域的第一参数集和第二参数集之前，所述分析方法还包括：设定所述图循环神经网络模型的损失函数和激活函数；获取所述监测区域的历史参数集，并根据所述历史参数集确定训练样本对所述图循环神经模型进行训练；其中，所述历史参数集用于指示所述监测区域历史时间段发生大气污染报警事件时的大气污染浓度数据和气象数据。3.根据权利要求2所述的大气污染多粒度精准成因分析方法，其特征在于，所述根据所述大气污染类型，进行大气污染多粒度成因分析，具体包括：基于所述大气污染类型为沙尘暴型，将所述第二参数集输入至第二预设模型，确定污染源发生的时间、地点和传输路径。4.根据权利要求2所述的大气污染多粒度精准成因分析方法，其特征在于，所述根据所述大气污染类型，进行大气污染多粒度成因分析，具体包括：基于所述大气污染类型为外来型，将所述第二参数集输入至第二预设模型中，以确定大气污染来源轨迹数据；将所述大气污染来源轨迹数据输入至第三预设模型中，确定污染源的潜在区域。5.根据权利要求2所述...

【专利技术属性】
技术研发人员：廖海斌，
申请(专利权)人：深圳中兴智坪科技有限公司，
类型：发明
国别省市：