本發(fā)明屬于大氣環(huán)境監(jiān)測領域，涉及一種大氣環(huán)境監(jiān)測固定站點污染物監(jiān)測數據回溯方法。

背景技術：

1、隨著城市化進程的持續(xù)推進和經濟向后工業(yè)化階段的轉變，綠色出行在現代城市治理中的重要性愈發(fā)突出，是實現城市生態(tài)文明建設的重要途徑。綠色出行的推廣和實施有賴于對空氣質量的評估和預報，完整的大氣環(huán)境監(jiān)測固定站點污染物監(jiān)測數據是空氣質量評估和預報，也是捕捉濃度致因、演化和消散規(guī)律的重要數據基礎。此類數據的缺失不僅影響對城市大氣環(huán)境的全面評估，還制約了污染源的準確定位和大氣污染治理措施的制定。

2、在實際監(jiān)測過程中，由于設備故障、維護、增減等多種原因，監(jiān)測站點的數據缺失是不可避免的。針對大氣污染物點位數據缺失的解決方案主要分為兩類，一類是利用aermod、caline?4、以及adms等污染擴散模型進行污染擴散模擬，此類模型依賴于完整的污染排放清單，計算耗時且無法保證模擬結果的準確性；另一類則是從數據角度出發(fā)，通過時空插值方法、貝葉斯方法、深度學習方法來進行數據補齊，其研究主要集中在街區(qū)尺度，基于較為密集的數據采樣對片區(qū)的污染情況進行分析。目前，尚缺乏一種能夠在城市尺度上進行有效數據回溯的方法，使得中觀尺度的污染情況全面評估面臨挑戰(zhàn)。

技術實現思路

1、為了解決上述問題，本發(fā)明提供一種大氣環(huán)境監(jiān)測固定站點污染物監(jiān)測數據回溯方法，其能夠基于統(tǒng)計學和深度學習結合的方法學習有數據缺失的m座監(jiān)測站點以外的n-m座站點的數據與m座監(jiān)測站點的數據之間的濃度時序數據映射關系，而后利用m座站點數據缺失時期對應的n-m座站點的數據回溯補全m座站點的缺失數據。

2、本發(fā)明技術方案：

3、一種大氣環(huán)境監(jiān)測固定站點污染物監(jiān)測數據回溯方法，包括以下步驟：

4、s1.構建bpca-lstm網絡模型，包括貝葉斯主成分分析部分(bayesian?principalcomponent?analysis，bpca部分)和長短期記憶網絡部分(long?short-term?memory,lstm模型部分)；同時，根據m座站點需要回溯的污染物濃度監(jiān)測數據的范圍，在全部n座站點的污染物濃度監(jiān)測歷史數據中選取并形成可用的完整數據集；

5、s2.對所選取的數據集進行數據清洗，包括污染物濃度計量標準化，異常值剔除和缺失點補齊，對清洗后的數據應用所述貝葉斯主成分分析部分進行數據降維；

6、s3.設定初始的數據滑動窗口和bpca-lstm網絡模型超參數，利用所述長短期記憶網絡部分構建n-m座站點和m座站點中每座站點的時序污染物濃度數據映射關系；

7、s4.對滑動窗口時期長度和bpca-lstm網絡模型的超參數進行優(yōu)化調整；

8、s5.以m座站點數據缺失時期對應的n-m座站點的歷史數據作為輸入，通過構建的bpca-lstm網絡模型回溯m座站點缺失的污染濃度監(jiān)測數據。

9、本發(fā)明依托貝葉斯主成分分析(bayesian?principal?component?analysis,bpca)和長短期記憶網絡(long?short-term?memory,lstm)技術，實現了對大氣環(huán)境監(jiān)測固定站點污染物監(jiān)測數據的回溯。通過bpca-lstm模型，學習數據缺失監(jiān)測站點與其他數據完整站點之間的濃度時序數據映射關系，以此補全缺失數據。該方法有效解決了因設備故障、維護、增減導致的監(jiān)測數據缺失問題，填補了城市尺度監(jiān)測數據回溯方法的空白，為政府和環(huán)保部門提供了一種可靠的解決方案，支持更加科學的空氣質量評估和污染治理，促進了綠色出行發(fā)展和生態(tài)文明建設，具有重要的現實意義和廣泛的應用前景。

10、本發(fā)明有益效果：

11、實現數據的準確回溯：通過結合統(tǒng)計學和深度學習方法，有效捕捉大氣污染物濃度的時序關系模式，準確回溯缺失數據。

12、填補技術空白：填補了針對城市尺度的大氣環(huán)境監(jiān)測數據回溯的技術空白，具有重要的現實意義和應用前景。

13、具有廣泛的適用性：適用于不同類型的污染物監(jiān)測數據回溯，具有較強的通用性，能夠在多種城市環(huán)境監(jiān)測應用場景中使用。

14、提升工作效率：采用數據清洗和降維技術(如bpca)預處理數據，減小數據維度和噪聲，并通過代理模型優(yōu)化滑動窗口和網絡模型超參數，減少計算時間，確保在有限時間內完成數據回溯，提高效率。

15、支持科學決策：提供可靠的污染物監(jiān)測數據回溯結果，為政府和環(huán)保部門提供空氣質量評估和大氣污染治理依據，支持科學決策，促進綠色出行發(fā)展，助力城市生態(tài)文明建設。

技術特征：

1.一種大氣環(huán)境監(jiān)測固定站點污染物監(jiān)測數據回溯方法，其特征在于，包括以下步驟：

2.如權利要求1所述一種大氣環(huán)境監(jiān)測固定站點污染物監(jiān)測數據回溯方法，其特征在于，步驟s1中在全部n座站點的歷史數據中選取的數據普遍統(tǒng)一為與m座需要回溯數據的站點的污染物濃度數據缺失區(qū)間鄰近的其后2至3年的n座站點的污染物濃度監(jiān)測數據，所選數據涵蓋的n座站點之間的濃度時序數據的關系模式有效表征m座站點數據缺失區(qū)間內n-m座站點和m座站點之間的濃度時序數據映射關系；

3.如權利要求1所述一種大氣環(huán)境監(jiān)測固定站點污染物監(jiān)測數據回溯方法，其特征在于，步驟s2中，數據清洗包括污染物濃度計量標準化，異常值剔除和缺失點補齊，具體如下：

4.如權利要求1所述一種大氣環(huán)境監(jiān)測固定站點污染物監(jiān)測數據回溯方法，其特征在于，步驟s2中，

5.如權利要求4所述一種大氣環(huán)境監(jiān)測固定站點污染物監(jiān)測數據回溯方法，其特征在于，所述em算法：

6.如權利要求1所述一種大氣環(huán)境監(jiān)測固定站點污染物監(jiān)測數據回溯方法，其特征在于，步驟s3中：

7.如權利要求6所述一種大氣環(huán)境監(jiān)測固定站點污染物監(jiān)測數據回溯方法，其特征在于，步驟s3中：具體來說，

8.如權利要求7所述一種大氣環(huán)境監(jiān)測固定站點污染物監(jiān)測數據回溯方法，其特征在于，步驟s3中：

9.如權利要求1所述一種大氣環(huán)境監(jiān)測固定站點污染物監(jiān)測數據回溯方法，其特征在于，步驟s4采用差異化的超參數優(yōu)化策略，調整的網絡超參數包括時間窗口的大小、學習率、正則化參數、批量大小、網絡層級、神經元數量、損失函數；該方法中采用均方誤差為損失函數，利用adadelta優(yōu)化器動態(tài)調整學習率，并采用l2正則化參數；其余超參數包括時間窗口的大小、批量大小、網絡層級、神經元數量，定義其超參數空間為采用高斯過程(gaussian?process，)作為代理模型進行超參數優(yōu)化，其具體步驟如下：

10.如權利要求2所述一種大氣環(huán)境監(jiān)測固定站點污染物監(jiān)測數據回溯方法，其特征在于，步驟s1中，所選數據：

技術總結
本發(fā)明屬于大氣環(huán)境監(jiān)測領域，涉及一種大氣環(huán)境監(jiān)測固定站點污染物監(jiān)測數據回溯方法。該方法構建將貝葉斯主成分分析(Bayesian?Principal?Component?Analysis,BPCA)與長短期記憶網絡(Long?Short?Term?Memory，LSTM)相結合的BPCA?LSTM模型，根據M座站點需要回溯的污染物濃度監(jiān)測數據的范圍，在全部N座站點的污染物濃度監(jiān)測歷史數據中選取并形成可用的完整數據集，對所選取的數據集進行數據清洗和數據降維，學習N?M座站點和M座站點之間濃度時序數據映射關系。通過該模型，利用M座站點數據缺失時期對應的N?M座站點的數據來回溯M座站點的缺失數據。本發(fā)明的方法簡單通用，為大氣環(huán)境監(jiān)測提供了一種可靠的數據回溯方案，具有重要的現實意義和廣泛的應用前景。

技術研發(fā)人員：劉皓冰,朱百川,高鵬飛
受保護的技術使用者：同濟大學
技術研發(fā)日：
技術公布日：2025/1/9