一種基于時空分布特征的空氣質量指數(shù)預測方法
【技術領域】
[0001] 本發(fā)明涉及一種空氣質量指數(shù)預測方法，尤其涉及一種基于時空分布特征的空氣 質量指數(shù)預測方法。
【背景技術】
[0002] 空氣是地球上的生物賴以生存的物質，是必不可少的一種物質。環(huán)境空氣質量與 人們的日常生活息息相關，同時也在城市環(huán)境綜合評價中占有重要地位。但是隨著人類文 明和經(jīng)濟的發(fā)展，空氣污染越來越嚴重，如何改善空氣質量、合理進行大氣環(huán)境質量預測預 警變得越來越重要，根據(jù)當?shù)氐目諝赓|量預測結果，人們可以采取相應措施如帶口罩，盡量 避免外出等，保護自己免受空氣污染物的侵害。
[0003] 空氣質量指數(shù)用AQI表示，是一個用來定量描述空氣質量水平的數(shù)值。它由空氣 中二氧化硫（S02)、二氧化氮（N02)、一氧化碳（CO)、臭氧（03)、懸浮顆粒物PM10和PM2. 5， 共6中污染物的含量計算出來的。AQI的取值范圍位于0 - 500之間。由于空氣質量情況 與氣候因素、地理位置有關，在數(shù)據(jù)角度上對應的就是空氣質量指數(shù)與時間、空間分布都相 關。因此需要有一定的技術方法，利用區(qū)域內多個監(jiān)測站觀測并計算得到的空氣質量指數(shù) 數(shù)據(jù)，預測整個地區(qū)未來的空氣質量指數(shù)。
[0004] 但是，傳統(tǒng)的空氣質量預測方法存在以下問題：
[0005] (1)不能準確的對沒有觀測站的區(qū)域進行空氣指數(shù)預測：一般利用各地的多個空 氣質量監(jiān)測站歷史的檢測數(shù)據(jù)，來預測該站點（或附近）未來一段時間的空氣質量指數(shù)，而 不能預測沒有觀測站的地方未來的空氣質量情況；也有一種時空克里格插值方法可以僅根 據(jù)離散分布的觀測點的歷史數(shù)據(jù)資料，預測整個區(qū)域范圍內某個時間的空氣質量指數(shù)，但 是時空克里格插值法是內插法，即當要預測的未來時間點超出統(tǒng)計資料樣本數(shù)據(jù)的最大時 間時，預測誤差將會變得很大。因此研宄出新的方法可以比較準確的預測整個區(qū)域內每個 地方在未來某個時間的空氣質量指數(shù)是有必要的。
[0006] (2)不能進行細粒度時間段的空氣指數(shù)預測：傳統(tǒng)的空氣質量預測通常是對接下 來一整天的空氣質量進行預測，這種粗粒度時間段的空氣質量預測存在一個弊端，假設明 天的空氣質量預測結果是優(yōu)，表明對空氣污染物較敏感的人群可以進行戶外活動，而實際 上某些時間段（如上午8:00-9:00,下午5:00-6:00)的空氣質量有可能是中度污染或者重 度污染，對空氣污染較敏感人群在這些時間段不宜進行戶外活動。因此，對接下來一天的空 氣質量進行細粒度時間段的預測更為合理。

【發(fā)明內容】

[0007] 本發(fā)明主要是解決現(xiàn)有技術所存在的不能準確的對沒有觀測站的區(qū)域進行空氣 指數(shù)預測以及不能進行細粒度時間段的空氣指數(shù)預測的技術問題；提供了一種基于時空分 布特征的空氣質量指數(shù)預測方法。該方法將空間克里格插值法與時間序列預測方法相結 合，把空間插值估計過程和時間序列預測過程分開進行，降低了模型的復雜度，并且縮短了 整體的計算時間，同時又保證了模型的準確性；并且本方法可以更準確地預測區(qū)域內每個 地方、一天內多個時段的空氣質量指數(shù)，滿足人們挑選空氣質量較好的時間段進行外出活 動的需要。
[0008] 本發(fā)明的上述技術問題主要是通過下述技術方案得以解決的：
[0009] 一種基于時空分布特征的空氣質量指數(shù)預測方法，包括以下步驟：
[0010] 樣本獲取步驟，用于獲取待預測區(qū)域中的空氣質量監(jiān)測站的經(jīng)煒度坐標，每隔一 定時間段記錄區(qū)域中的各個空氣質量監(jiān)測站在同一時刻監(jiān)測得到的空氣質量指數(shù)，得到空 氣質量樣本數(shù)據(jù)；
[0011] 時間序列預測步驟，用于根據(jù)樣本獲取步驟中得到空氣質量樣本數(shù)據(jù)建立各個空 氣質量監(jiān)測站的時間序列函數(shù)，選擇置信度較高的時間序列函數(shù)預測該函數(shù)所對應的空氣 質量檢測站在未來某個時間采樣點的第一監(jiān)測點空氣指數(shù)預測集；
[0012] 克里格插值步驟，用于根據(jù)第一監(jiān)測點空氣指數(shù)據(jù)預測集擬合得到待預測區(qū)域中 的空間變異函數(shù)，根據(jù)所述空間變異函數(shù)以及第一監(jiān)測點空氣指數(shù)預測集進行克里格插值 估計。
[0013] 優(yōu)化的，上述的一種基于時空分布特征的空氣質量指數(shù)預測方法，所述時間序列 預測步驟進一步包括以下子步驟：
[0014] 時間序列劃分子步驟，用于將空氣質量樣本數(shù)據(jù)劃分為m個時間序列，每個時間 序列包括來自同一監(jiān)測站點的n個空氣質量樣本，其中：m是空氣質量監(jiān)測站的個數(shù)，n是空 氣質量監(jiān)測站的數(shù)據(jù)記錄次數(shù)；
[0015] 模型訓練子步驟，對于每個時間序列，根據(jù)已有樣本中n個時間，選擇最后的i個 時間對應的iXm個樣本作為驗證樣本，即實際值realij(i= 1，2,…，m;j= 1，2,…，i); 選擇前n-i個數(shù)據(jù)作為時間序列訓練樣本，利用訓練樣本訓練得到各個站點的移動平均 自回歸模型，利用移動平均自回歸模型預測驗證樣本中的t個時間對應的空氣質量指數(shù)， 記為2^(1 = 1，2，"*，111;」=1，2，"*，1)，分別計算各個2^值的80%置信區(qū)間和90%的 置信區(qū)間；
[0016] 模型驗證子步驟，對m站點的時間序列mi(i= 1，2,…，m)，若其i個實際值分別 落在Zij的80%置信區(qū)間和90%的置信區(qū)間內部的數(shù)量比例分別達到預設的第一閾值和預 設的第二閾值，則將該時間序列％對應的移動平均自回歸模型保留，共得到s個觀測點的 移動平均自回歸模型；
[0017] 時間序列預測子步驟，利用保留的s個觀測點的移動平均自回歸模型預測未來t 時刻該s個站點的空氣質量指數(shù)Z(Xi)(i= 1，2,…，s)，將Z(Xi)作為第一監(jiān)測點空氣指數(shù) 預測集。
[0018] 優(yōu)化的，上述的一種基于時空分布特征的空氣質量指數(shù)預測方法，所述第一閾值 為85%，所述第二閾值為75%。
[0019] 優(yōu)化的，上述的一種基于時空分布特征的空氣質量指數(shù)預測方法，所述克里格插 值步驟進一步包括以下子步驟：
[0020] 區(qū)域劃分步驟，用于將待預測區(qū)域劃分成不相交的正方形網(wǎng)格；
[0021] 變異函數(shù)擬合子步驟，利用第一監(jiān)測點空氣指數(shù)預測集以及相應的監(jiān)