[发明专利]一种空气质量颗粒物浓度预测数据的补全方法

说明书

本发明提供一种空气质量颗粒物浓度预测数据的补全方法，包括以下步骤：S1、获取当天气象数据、大气数据，以及从当天往未来推第一时长的未来气象数据、大气数据；S2、将多组数据写入数据集；S3、将数据集输入到颗粒物浓度预测模型中，得到未来第一天的颗粒物浓度预测数据；S4、将未来第一天的颗粒物浓度预测数据按步骤S2的方法写入数据集，形成新的数据集；S5、将新的数据集输入到颗粒物浓度预测模型中，得到未来第二天的颗粒物浓度预测数据；S6、重复步骤S4‑S5，补全未来的颗粒物浓度预测数据。本发明可以解决对空气质量中的颗粒物浓度进行预测时，只根据当天数据进行直接预测，预测结果出现的偏差较大的问题。

技术领域

本发明涉及环境保护技术领域，具体涉及一种空气质量颗粒物浓度预测数据的补全方法。

背景技术

为了进行环境保护，环境保护管理部门会对空气质量进行预测。现有的空气质量预测技术，是通过既往空气质量的实测数据对未来的空气质量进行预测。目前的空气质量预测只能存储需要预测的某一天的当天数据，对臭氧这一类不带有累计效应的污染物预测准确率较高，但是对pm2.5等颗粒物预测效果不佳。其原因是因为颗粒物具有累计效应，可能今天的颗粒物没有消散，第二天的又开始往上累计了，这样只根据当天数据进行直接预测，预测结果容易出现较大偏差；目前对预测空气质量中的颗粒物浓度的预测准确率只有55％。

发明内容

针对现有技术存在的不足，本发明提出一种空气质量颗粒物浓度预测数据的补全方法，以解决现有技术中存在的对空气质量中的颗粒物浓度进行预测时，只根据当天数据进行直接预测，预测结果出现的偏差较大的技术问题。

本发明采用的技术方案如下：

第一方面，提供了一种空气质量颗粒物浓度预测数据的补全方法，包括以下步骤：

S1、获取当天气象数据、当天大气数据，以及从当天往未来推第一时长的未来气象数据、未来大气数据；

S2、根据当天气象数据、未来气象数据，将当天等压面的最高气温、最低气温和平均气温，当天日平均气温与地面最高气温差值，当天与未来第二时长的地面平均气压差值，当天地表短波辐射总量写入数据集；

根据当天大气数据、未来大气数据，将当天颗粒物浓度的最高值、最低值和平均值，未来第一时长颗粒物浓度的最高值、最低值和平均值，未来第一时长空气质量分指数的最高分值、最低分值和平均分值写入数据集；

S3、将数据集输入到颗粒物浓度预测模型中预测未来第一天的空气质量，得到未来第一天的颗粒物浓度预测数据；

S4、将未来第一天的颗粒物浓度预测数据按步骤S2的方法写入数据集，形成新的数据集；

S5、将新的数据集输入到颗粒物浓度预测模型中预测未来第二天的颗粒物浓度，得到未来第二天的颗粒物浓度预测数据；

S6、重复步骤S4-S5，补全未来的颗粒物浓度预测数据。由上述技术方案可知，本发明的有益技术效果如下：可以根据现有的气象数据、大气数据，对未来的颗粒物浓度数据进行预测和补全，补全后的颗粒物浓度数据预测数据，其预测准确率可以从55％提升到80％。

进一步的，颗粒物包括：细颗粒物PM2.5、可吸入颗粒物PM10。

进一步的，等压面具体包括：第一等压面850hPa等压面，第二等压面700hPa等压面，第三等压面500hPa等压面。

进一步的，第一时长为72小时，第二时长为24小时。

进一步的，颗粒物浓度预测模型包括长短期记忆神经网络。

进一步的，颗粒物浓度预测模型按照以下步骤进行构建：