[发明专利]一种基于城市区域网格自适应的PM2.5浓度推测方法

权利要求书

1.一种基于城市区域网格自适应的PM_2.5浓度推测方法，其特征在于该方法的具体步骤是：

步骤(1)、城市区域网格化，并采集城市PM_2.5原始数据；

具体是将城市区域划分成500m*500m大小的初始分辨率网格，车顶安装PM_2.5采集设备的出租车随机行驶于城市道路，采集城市区域PM_2.5浓度数据；

步骤(2)、网格分辨率标准化；

定义四种不同分辨率的网格，分别为1000m*1000m，500m*500m，250m*250m，125m*125m，并定义四种相应的网格分辨率细化等级，分别为-1，0，1，2；制定网格分辨率细化等级计算，如下式所示：

MDV＝(|x_ij-x_i-1j|+|x_ij-x_i+1j|+|x_ij-x_ij-1|+|x_ij-x_ij-1|)/4

其中x_ij表示城市区域网格中第i行，第j列的网格PM_2.5浓度，MDV表示中心网格PM_2.5浓度和其四周网格PM_2.5浓度的平均差值，L表示网格分辨率细化等级，其中：

等级-1：当一个网格和其周围网格的PM_2.5浓度都小于75ug/m³时，合并这四个相邻的网格为1000m*1000m分辨率网格；

等级1：当一个网格的PM_2.5浓度大于115ug/m³，并且该网格的PM_2.5浓度与四周网格的PM_2.5浓度平均差值在5ug/m³和10ug/m³之间时，将该网格划分成四个相同的，分辨率为250m*250m的网格；

等级2：当一个网格的PM_2.5浓度大于115ug/m³，并且该网格的PM_2.5浓度与四周网格的PM_2.5浓度平均差值大于10ug/m³时，将该网格划分成十六个相同的，分辨率为125m*125m的网格；

等级0：其他网格保持其初始500m*500m分辨率；

步骤(3)、网格特征提取；

定义六种网格特征：

温度特征F_t：该特征表示初始分辨率下各个网格区域的气温大小；

湿度特征F_h：该特征表示初始分辨率下各个网格区域的湿度大小；

天气特征F_w：该特征表示初始分辨率下各个网格区域的天气情况，它分为晴，阴，小雨，大雨，雪；

风力特征F_{w_p}：该特征表示初始分辨率下各个网格区域的风力大小；

交通状况特征F_tr：该特征表示初始分辨率下各个网格区域的交通状况，它分为畅通，缓行，拥挤，严重拥挤；

位置特征F_l：该特征表示初始分辨率下各个网格区域的地理位置；

步骤(4)、离线训练；

利用人工神经网络模型训练网格分辨率细化等级与网格特征之间的对应关系,得到网格分辨率细化模型；

步骤(5)、重新划分网格；

依据步骤(4)训练获得的网格分辨率细化模型和步骤(3)实时提取的网格特征，推测各个初始分辨率的网格需要细化的等级，自适应调整网格大小，重新划分整个城市区域的网格；

步骤(6)、在线推测；

根据步骤(1)实时采集的PM_2.5浓度原始数据，利用线性回归模型，在自适应分辨率网格下推测无原始数据网格的PM_2.5浓度；具体为：首先计算得到回归系数a,b，如下式所示；

其中X为区域内所有网格的温度，湿度，风力，天气，交通状况，位置特征集，X为n×6矩阵，X^T为矩阵X的转置矩阵，X^T为6×n，为所有网格的特征平均值矩阵，为1×6矩阵，y为所有网格的PM_2.5浓度值，y为n×1矩阵，为所有网格的PM_2.5浓度平均值，n为城市区域网格个数，得到系数b为6×1矩阵，系数a为常数；

然后建立城市任意网格PM_2.5浓度值与网格特征之间的线性回归模型；

Y＝xb+a

其中Y为任意网格的PM_2.5浓度值，x为对应网格的网格特征集；

最后，利用此回归模型实时推测城市区域PM_2.5浓度分布。