[发明专利]基于因果中心性的雾霾分析识别方法

权利要求书

1.一种基于因果中心性的雾霾分析识别方法，其特征在于，包含以下步骤：

获取若干检测站点检测到的监测数据，所述监测数据包含多个监测因素和雾霾浓度的数据；

针对不同的所述监测因素分别构建区域内部数据关联模型；

针对不同的所述监测因素分别构建区域间数据关联模型；

根据构建的所述区域内部数据关联模型和所述区域间数据关联模型计算每个所述监测因素和所述雾霾浓度之间的因果关系值；

根据计算出的每个检测站点检测到的各监测因素与所述雾霾浓度之间的因果关系值构成因果矩阵；

根据所述因果矩阵计算因果中心性特征值用于表征各个检测站点的拓扑中心性；

将所述监测因素间的所述因果关系值和所述因果中心性特征值输入搭建好的预测模型对其进行训练得到一个训练完成的所述预测模型；

构建的所述区域内部数据关联模型和所述区域间数据关联模型符合下述公式：

其中，w是每种监测因素的系数，F对应了某一种监测因素，m是时间序列的滞后长度，N是时间序列的观测长度，n是监测因素的个数，t是时间，η_t是噪声项；

在所述根据构建的所述区域内部数据关联模型和所述区域间数据关联模型计算每个所述监测因素和所述雾霾浓度之间的因果关系值中，根据下述公式计算每个所述监测因素和雾霾浓度之间的因果关系值：

其中，NC为因果关系值，w是每种监测因素的系数，F对应了某一种监测因素，m是时间序列的滞后长度，N是时间序列的观测长度，n是检测因素的个数；

在所述根据所述因果矩阵计算因果中心性特征值用于表征各个监测站的拓扑中心性中，根据下述公式计算因果中心值：

其中，Center表示因果中心值，l表示站点之间的拓扑特征路径长度，k是某一站点的拓扑中心度，i和j分别代表了两个不同的站点标记，L是所有相互连通的站点集合。

2.根据权利要求1所述的基于因果中心性的雾霾分析识别方法，其特征在于，

所述预测模型采用支持向量机算法。

3.根据权利要求2所述的基于因果中心性的雾霾分析识别方法，其特征在于，

所述预测模型的参数优化算法为梯度下降。

4.根据权利要求1所述的基于因果中心性的雾霾分析识别方法，其特征在于，

所述监测因素包含气象因素。

5.根据权利要求4所述的基于因果中心性的雾霾分析识别方法，其特征在于，

所述气象因素包含气温、压强、日照强度、相对湿度、地表温度、降雨、蒸发量和平均风速。

6.根据权利要求1所述的基于因果中心性的雾霾分析识别方法，其特征在于，

所述监测因素包含工业污染物因素。

7.根据权利要求6所述的基于因果中心性的雾霾分析识别方法，其特征在于，

所述工业污染物因素包含二氧化硫、二氧化氮、一氧化碳和臭氧。