申请/专利权人：暨南大学

申请日：2024-01-16

公开（公告）日：2024-04-05

公开（公告）号：CN117574061B

主分类号：G06F18/10

分类号：G06F18/10;G06Q50/26;G06F17/18;G06F18/213;G06F18/25;G06F18/27

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2024.03.08#实质审查的生效;2024.02.20#公开

摘要：本发明涉及数据滤波分析技术领域，具体涉及一种PM2.5和臭氧污染协同防控的预测方法及系统，根据获得的PM2.5数据序列和臭氧数据序列，结合臭氧数据的整体噪声影响状态，确定臭氧数据序列的第一滤波窗口尺寸；分析臭氧数据序列的局部噪声影响状态，确定臭氧数据序列中每个臭氧数据的噪声影响程度，利用每个臭氧数据的噪声影响程度对第一滤波窗口尺寸进行修正，获得各个臭氧数据的最优滤波窗口尺寸，进而获得滤波处理后的臭氧数据序列；根据PM2.5数据序列和滤波处理后的臭氧数据序列利用预测模型，确定PM2.5和臭氧的预测结果。本发明提高了臭氧数据的滤波效果，进一步提升了空气污染防控预测分析的准确性。

主权项：1.一种PM2.5和臭氧污染协同防控的预测方法，其特征在于，包括以下步骤：获取PM2.5数据序列和臭氧数据序列；根据PM2.5数据序列和臭氧数据序列，确定PM2.5数据序列和臭氧数据序列对应的数据变化特征值；根据PM2.5数据序列和臭氧数据序列对应的数据变化特征值、臭氧数据序列中的最大浓度值和最小浓度值、PM2.5数据序列和臭氧数据序列之间的相关性，对预设初始滤波窗口尺寸进行修正，确定臭氧数据序列的第一滤波窗口尺寸；根据臭氧数据序列中的各个臭氧数据的浓度值、各个臭氧数据的预设数据区间对应的数据变化特征值，确定各个臭氧数据的噪声影响程度；根据预设调节参数、各个臭氧数据的噪声影响程度、预设数据区间对应的数据变化特征值以及臭氧数据序列对应的数据变化特征值，对第一滤波窗口尺寸进行修正，确定各个臭氧数据的最优滤波窗口尺寸；根据各个臭氧数据的最优滤波窗口尺寸，对臭氧数据序列进行滤波处理获得滤波处理后的臭氧数据序列；根据PM2.5数据序列和滤波处理后的臭氧数据序列利用预测模型，确定PM2.5和臭氧的预测结果；所述根据臭氧数据序列中的各个臭氧数据的浓度值、各个臭氧数据的预设数据区间对应的数据变化特征值，确定各个臭氧数据的噪声影响程度，包括：将任意一个臭氧数据作为目标臭氧数据，确定臭氧数据序列中与目标臭氧数据的浓度值相同的浓度值个数，对所述浓度值个数进行取反操作，获得浓度值个数的反比例值，将所述浓度值个数的反比例值作为第一噪声影响因子；确定各个臭氧数据的预设数据区间，根据目标臭氧数据的预设数据区间对应的数据变化特征值以及其前一个、后一个臭氧数据的预设数据区间对应的数据变化特征值，确定第二噪声影响因子；计算臭氧数据序列对应的浓度值均值，将目标臭氧数据的浓度值与所述臭氧数据序列对应的浓度值均值之间的差异，作为第三噪声影响因子；融合第一噪声影响因子、第二噪声影响因子和第三噪声影响因子，确定目标臭氧数据的噪声影响程度；臭氧数据序列中第i个臭氧数据的噪声影响程度的计算公式为： ；式中，为臭氧数据序列中第i个臭氧数据的噪声影响程度，e为自然常数，为臭氧数据序列中与第i个臭氧数据的浓度值相同的浓度值个数，为臭氧数据序列中第i个臭氧数据的第一噪声影响因子，为臭氧数据序列中第i个臭氧数据的预设数据区间对应的数据变化特征值，为臭氧数据序列中第i-1个臭氧数据的预设数据区间对应的数据变化特征值，为臭氧数据序列中第i+1个臭氧数据的预设数据区间对应的数据变化特征值，为臭氧数据序列中第i个臭氧数据的第二噪声影响因子，为臭氧数据序列中第i个臭氧数据的浓度值，为臭氧数据序列对应的浓度值均值，为臭氧数据序列中第i个臭氧数据的第三噪声影响因子，为求绝对值函数。

全文数据：

权利要求：

百度查询： 暨南大学 一种PM2.5和臭氧污染协同防控的预测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD