[发明专利]一种空气污染监测数据的时间序列增长分析方法及系统

说明书

本发明实施例提供一种空气污染监测数据的时间序列增长分析方法及系统。所述方法包括：获取第一预设时间段内监测站点的观测数据序列；若判断获知多个观测数据对应的持续时间大于第一预设阈值，且线性拟合系数大于第二预设阈值，且拟合直线的斜率大于0，则将多个观测数据作为目标观测数据序列；获取目标观测数据序列的持续时间、线性拟合系数和斜率，对目标观测数据序列进行分析。所述系统用于执行所述方法。本发明实施例通过获取持续时间大于第一预设阈值，且线性拟合系数大于第二预设阈值，且拟合直线的斜率大于0的多个持续增长的观测数据，对观测数据进行分析，实现了针对空气污染数据的动态变化特征的分析，获得了更加精准细致的分析结果。

技术领域

本发明实施例涉及数据处理技术领域，尤其涉及一种空气污染监测数据的时间序列增长分析方法及系统。

背景技术

空气污染已经成为中国最大的环境公害之一。从排放源的角度来看，固定工业燃烧源(比如电厂)、移动燃烧源(比如车)、农业源在各个不同区域的分布数量和密度有很大的差异。另外，区域之间的大气的流动，会把本地排放和区域传输两个因素进一步联系起来。因此，明晰一个区域的空气污染的来源是一个科学和技术难题。虽然遥感观测、地面观测等空气质量数据已逐步丰富，排放清单、大气化学模式等相关研究已颇有进展，但中国大气复合污染的成因、健康影响与应对机制仍然是一个充满挑战的研究课题。

现有研究评估空气污染水平时，都使用基于平均绝对浓度的方法，即通过将日平均值与空气质量标准浓度对比，来确定某个时间段内的污染程度。由此可见，针对长时间的空气污染监测数据，现有的技术方法都是从静态的角度出发，把监测按照等时刻度均匀地划分成分析单元，比如24小时。但真实的空气污染过程既有日循环等基本特征，也有小时甚至分钟级别的显著的动态波动特征。PM2.5浓度变化可以呈现出复杂的增长、波动或者下降过程。不同过程所对应的气象、排放或者传输条件都可能存在很大差别。

因此，如何针对空气污染数据的动态变化进行分析，获得更加精准细致的分析结果是亟待解决的技术难题。

发明内容

针对现有技术存在的问题，本发明实施例提供一种空气污染监测数据的时间序列增长分析方法及系统。

第一方面，本发明实施例提供一种空气污染监测数据的时间序列增长分析方法，包括：

获取第一预设时间段内被监测区域内监测站点对应的观测数据序列；

若判断获知所述观测数据序列中多个观测数据满足预设条件，则将所述多个观测数据作为目标观测数据序列；其中，所述预设条件包括：所述多个观测数据对应的持续时间大于第一预设阈值，且所述多个观测数据对应的线性拟合系数大于第二预设阈值，且所述多个观测数据对应的拟合直线的斜率大于0；

获取所述目标观测数据序列对应的所述持续时间、所述线性拟合系数和所述斜率，并根据所述持续时间、所述线性拟合系数和所述斜率对所述监测站点的所述目标观测数据序列进行分析。

第二方面，本发明实施例提供一种空气污染监测数据的时间序列增长分析系统，包括：

获取模块，用于获取第一预设时间段内被监测区域内监测站点对应的观测数据序列；

判断模块，用于若判断获知所述观测数据序列中多个观测数据满足预设条件，则将所述多个观测数据作为目标观测数据序列；其中，所述预设条件包括：所述多个观测数据对应的持续时间大于第一预设阈值，且所述多个观测数据对应的线性拟合系数大于第二预设阈值，且所述多个观测数据对应的拟合直线的斜率大于0；

分析模块，用于获取所述目标观测数据序列对应的所述持续时间、所述线性拟合系数和所述斜率，并根据所述持续时间、所述线性拟合系数和所述斜率对所述监测站点的所述目标观测数据序列进行分析。

第三方面，本发明实施例提供另一种空气污染监测数据的时间序列增长分析系统，包括：处理器、存储器和总线，其中，