申请/专利权人：武汉大学

申请日：2022-05-25

公开（公告）日：2024-04-16

公开（公告）号：CN114974459B

主分类号：G16C20/30

分类号：G16C20/30;G06F30/27;G01N15/06

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2022.09.16#实质审查的生效;2022.08.30#公开

摘要：本发明提供一种PM2.5浓度估算模型的构建方法，该方法利用多源的自然环境和社会因子，进行处理和拼接获得覆盖研究区的各种栅格化影响因子；针对反距离权重型空间权重矩阵和k邻近型空间权重矩阵中的带宽，利用遗传算法得到一组最优带宽，不同的带宽代表各个影响因子的对PM2.5浓度具有不同尺度的空间影响；并基于该最优带宽和空间权重矩阵类型得到多组空间特征向量，构建多尺度特征向量空间滤值变系数模型，将空间特征向量与影响因子分别配对，表示每一影响因子所具有的不同的空间影响，本发明消除了PM2.5浓度的空间自相关效应，提高模型精度，最终得到高精度的地表PM2.5浓度连续分布。

主权项：1.一种PM2.5浓度估算模型的构建方法，其特征在于，包括如下步骤：步骤1：对地面监测站点记录的PM2.5数据进行质量评估与均值处理；步骤2：选取合适的影响因子，并对影响因子进行预处理处理与均值处理；步骤3：统一坐标站点和影响因子的空间坐标系，并得到坐标站点下的PM2.5浓度值和各个影响因子数值；步骤4：计算PM2.5浓度值和各个影响因子的皮尔逊相关系数，对相关系数低于一定值的影响因子进行剔除；步骤5：根据实际需求的比例将步骤4中的数据划分为建模集和测试集；步骤6：选取合适的空间权重矩阵类型；步骤7：基于遗传算法选取最佳带宽；步骤8：根据步骤7中得到的最佳带宽和步骤6中所选择的空间权重矩阵类型，构建空间权重矩阵；中心化空间权重矩阵并求取特征值和特征向量，其特征向量代表空间影响，为空间特征向量，并对所获得的空间特征向量进行初筛；将生成的空间特征向量与影响因子分别配对组成交互项；对影响因子、交互项进行重新组合构建模型，并对交互项和空间特征向量采用前向选择进行筛选；步骤9：对模型精度评价；步骤10：根据上述获得的空间特征向量和影响因子，代入步骤8所构建模型进行计算PM2.5浓度值并制图，获得大范围内的连续PM2.5浓度图；其中，步骤7中最佳带宽的选取方法为：步骤7.1：对带宽进行编码并生成一组带宽；步骤7.2：根据步骤7.1的规则生成多组带宽，初始化多组带宽种群；步骤7.3：构建适应度函数，应用该函数评价各个种群中各组带宽适应度；其中，适应度函数的公式如下所示： 式中，表示第i份验证集的第j个站点PM2.5浓度真实值；表示第i份验证集的第j个站点PM2.5浓度拟合值；适应度Opt越大表示该组带宽适应度越强；n是研究区内监测站点的数量；步骤7.4：通过收敛条件判断，收敛条件为循环迭代次数，如迭代次数未达到收敛条件，则对未达到收敛条件的个体进行选择、交叉、变异操作；步骤7.5：通过收敛条件判断，如果迭代次数达到收敛条件，则将该种群中适应度最佳的一组带宽进行解码，即将二进制变为十进制，并将结果进行返回。

全文数据：

权利要求：

百度查询： 武汉大学 PM_2.5浓度估算模型的构建方法

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