[发明专利]PM2.5污染监测与预测方法

权利要求书

1.一种PM2.5污染监测与预测方法，其特征在于，包括如下步骤：

S1：将设定的过去的一段时间根据设定的时间间隔划分成等时间间隔的各个时间节点；

S2：获取监测站点在所述设定的过去的一段时间内各个时间点内所测量的多个空气污染物的浓度值和PM2.5的浓度值，同时获取所述监测站点在当前时刻所测量的多个空气污染物的浓度值；

S3：使用所述监测站点在所述设定的过去的一段时间内各个时间点内所测量的多个空气污染物的浓度值和PM2.5的浓度值训练线性回归模型，得到训练好的线性回归模型；

S4：将所述监测站点在当前时刻所测量的多个空气污染物的浓度值输入到所述训练好的线性回归模型中，得到当前时刻的预测的PM2.5的浓度；

S5：将所述预测的PM2.5的浓度与设定的PM2.5阀值进行对比，当所述预测的PM2.5的浓度大于所述设定的PM2.5阀值时，通过报警器报警。

2.如权利要求1所述的一种PM2.5污染监测与预测方法，其特征在于，所述监测站点包括架设在监测区域内的多个且每一个用于检测一个空气污染物的空气污染物检测仪和用于检测PM2.5的浓度的PM2.5检测仪。

3.如权利要求2所述的一种PM2.5污染监测与预测方法，其特征在于，在步骤S3中，训练线性回归模型的方法，包括如下步骤：

S3-1：构造线性回归模型的输入特征

X＝[1,x₁,x₂,...,x_i]，i＝1,2,...,b

其中，x_i＝w_ia_i，

其中，w_i为第i个空气污染物检测仪到PM2.5检测仪之间的距离的倒数，a_i为第i个空气污染物检测仪检测到的空气污染物的浓度；b为的空气污染物检测仪个数；

S3-2：建立线性回归模型

给定训练集T＝{(X₁,y₁),(X₂,y₂),....(X_n,y_n)}，n＝1,2,...,c，其中，X_n表示输入特征，即第n个时间点的输入特征，y_n表示PM2.5检测仪在所述设定的过去的一段时间内第n个时间点所采集的PM2.5的浓度值，c表示所述设定的过去的一段时间内时间点的个数，线性回归模型的函数表达式如下:

y_n＝h_θ(X_n)＝θ₀+θ₁X_n+θ₂X_n+...+θ_kX_n，k＝1,2,...,n (1)

等价于

y_n＝h_θ(x)＝Θ^TZ (2)

式(1)中，y_n表示目标监测站点在第n个时间点所采集的PM2.5的值；

式(2)中，Z＝[1,X₁,X₂,...,X_n]^T，

Θ＝[θ₀,θ₁,...,θ_k]^T是k+1维未知回归系数向量。

4.如权利要求3所述的一种PM2.5污染监测与预测方法，其特征在于，在步骤S3-1中，通过GPS获取所述监测区域内PM2.5检测仪与各个空气污染物检测仪的经纬度坐标，再根据所述监测区域内PM2.5检测仪与各个空气污染物检测仪的经纬度坐标计算所述监测区域内PM2.5检测仪与各个空气污染物检测仪之间的距离的倒数。

5.如权利要求3所述的一种PM2.5污染监测与预测方法，其特征在于，在步骤S4中，使用线性回归模型的函数进行预测，

给定输入特征X_c+1，将X_c+1代入到式(2)中，得到

y_c+1＝Θ^TX_c+1 (3)

式(3)中，y_c+1是目标监测站点在第c+1个时间点所采集的PM2.5的值，X_c+1是第c+1个时间点的输入特征。