[发明专利]基于经验贝叶斯克里金模型来估算PM2.5的方法、系统及介质

权利要求书

1.一种基于经验贝叶斯克里金模型来估算PM2.5的方法，其特征在于，包括以下步骤：

S1，将待估算地区的地面PM2.5观测数据重采样到预先创建的网格中并进行匹配；

S2，将匹配好的网格数据划分为多个特定大小的重叠子集；

S3，通过子集中的PM2.5观测数据来估计半变异函数；

S4，将估计出的半变异函数用作模型，通过所述模型在子集的每个输入位置进行无条件模拟，产生新的PM2.5数据作为PM2.5模拟值；

S5，通过所述PM2.5模拟值来估计新的半变异函数，并且依据经验贝叶斯规则来计算该半变异函数的权重；

S6，重复上述步骤S4及S5，模拟产生PM2.5模拟值和依据模拟数据来估算新的半变异函数若干次，将最后一次得到的权重对半变异函数进行加权，将加权后的结果在未知位置进行PM2.5预测。

2.根据权利要求1所述的基于经验贝叶斯克里金模型来估算PM2.5的方法，其特征在于，所述S1、将待估算地区的地面PM2.5观测数据重采样到预先创建的网格中并进行匹配的步骤之前还包括：

S0，根据待估算地区的经纬度范围以及分辨率创建网格。

3.根据权利要求1所述的基于经验贝叶斯克里金模型来估算PM2.5的方法，其特征在于，每个子集有100个点，重复上述步骤S4及S5的次数为100次。

4.根据权利要求3所述的基于经验贝叶斯克里金模型来估算PM2.5的方法，其特征在于，所述S6，重复上述步骤S4及S5，模拟产生PM2.5模拟值和依据模拟数据来估算新的半变异函数若干次，将最后一次得到的权重对半变异函数进行加权，将加权后的结果在未知位置进行PM2.5预测的步骤包括：

重复上述步骤S4及S5，模拟产生PM2.5模拟值和依据模拟数据来估算新的半变异函数100次，其中，每次重复，步骤S4中的半变异函数都会在对应的位置模拟出新的数据子集，新的数据子集估计产生新的半变异函数和该变异函数对应的权重，将得出的权重和步骤S1中的半变异函数相结合，得到没有被采样位置的PM2.5预测值和预测标准差；

重复100次后，得到最终的预测值，将最后一次得到的权重对半变异函数进行加权，采用加权后的半变异函数在未知位置进行PM2.5预测。

5.一种基于经验贝叶斯克里金模型来估算PM2.5的装置，其特征在于，包括：存储器、处理器以及存储在所述存储器上的计算机程序，所述计算机程序被所述处理器运行时实现如权利要求1-4中任一项所述的方法的步骤。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时实现如权利要求1-4中任一项所述的方法的步骤。