[发明专利]一种空气质量PM2.5预测方法及系统

说明书

本发明适用于环境监测技术领域，提供了一种空气质量PM2.5预测方法及系统，包括：对研究区域进行网格化；获取各个网格内的影响因子数据以及监测站监测到的空气质量数据；将所述影响因子数据整合在一起构成四阶张量，并对四阶张量进行归一化处理；基于归一化处理后的影响因子张量数据以及PM2.5浓度数据，建立张量样本数据库；构建初始的支持张量回归模型；将PM2.5影响因子张量数据以及PM2.5浓度数据作为输入数据，对初始的支持张量回归模型进行训练；通过交替投影算法确定初始的支持张量回归模型的参数，获得最终的支持张量回归模型；通过最终的支持张量回归模型对目标样本进行预测，以获取该目标样本中的PM2.5浓度数据。

技术领域

本发明属于环境监测技术领域，尤其涉及一种空气质量PM2.5预测方法及系统。

背景技术

颗粒物质(Particulate matter，PM)，是空气中悬浮颗粒的术语，包括灰尘、污垢、烟灰和液滴。直径在2.5毫米至10微粒之间的“粗”颗粒(PM10)，可以被人体吸入并聚集在呼吸系统(呼吸道)内，直径小于2.5微米(PM2.5)指“微细”颗粒，体积特别小(大约是人类头发直径的1/30)能够被人体吸入并深入到肺部组织，影响肺功能，是目前危害最大的颗粒。粉碎研磨工序及刚铺好或未铺好的道路产生“粗”颗粒如灰尘等；“微细”颗粒源自所有类型的燃烧活动(机动车辆、电厂、燃料不完全燃烧等)及特定的工业(纺织业，冶炼业等)；化石燃料或垃圾焚烧过程中产生的气体(硫、氮)与空气水蒸气及阳光发生化学反应间接形成PM2.5。

由于PM2.5的相关影响因子数据具有明显的时空性而且呈非线性变化，采用现有基于向量模式的PM2.5预测方法容易出现以下问题：1)容易破坏原始数据的时空结构信息；2)容易破坏原始数据的内在相关性，掩盖数据原本存在的高阶依赖性；3)计算复杂度以及存储成本较高。

发明内容

鉴于此，本发明实施例提供一种空气质量PM2.5预测方法及系统，以解决现有技术存在的上述问题。

第一方面，本发明实施例提供了一种空气质量PM2.5预测方法，所述空气质量PM2.5预测方法包括：

以预定的规格对研究区域进行网格化；

获取各个网格内的影响因子数据以及监测站监测到的空气质量数据；

将各个网格内的所述影响因子数据整合在一起构成四阶张量，并对所述四阶张量进行归一化处理；

基于归一化处理后的影响因子张量数据以及所述空气质量数据中提取的PM2.5浓度数据，建立张量样本数据库，所述张量样本数据库中包含训练样本和目标样本；

构建初始的支持张量回归模型；

将所述张量样本数据库中包含PM2.5影响因子张量数据以及PM2.5浓度数据的训练样本作为输入数据，对所述初始的支持张量回归模型进行训练；

通过交替投影算法确定所述初始的支持张量回归模型的参数，获得最终的支持张量回归模型；

通过所述最终的支持张量回归模型对所述张量样本数据库中的目标样本进行预测，以获取该目标样本中的PM2.5浓度数据。

第二方面，本发明实施例提供了一种空气质量PM2.5预测系统，所述空气质量PM2.5预测系统包括：

网格化单元，用于以预定的规格对研究区域进行网格化；

数据获取单元，用于获取各个网格内的影响因子数据以及监测站监测到的空气质量数据；

四阶张量构建单元，用于将各个网格内的所述影响因子数据整合在一起构成四阶张量，并对所述四阶张量进行归一化处理；