CN106599088A - 一种表征大气重污染过程变化的方法 - Google Patents
一种表征大气重污染过程变化的方法 Download PDFInfo
- Publication number
- CN106599088A CN106599088A CN201611051389.8A CN201611051389A CN106599088A CN 106599088 A CN106599088 A CN 106599088A CN 201611051389 A CN201611051389 A CN 201611051389A CN 106599088 A CN106599088 A CN 106599088A
- Authority
- CN
- China
- Prior art keywords
- grade
- index
- change
- air pollution
- pollution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 92
- 230000008569 process Effects 0.000 title claims abstract description 65
- 230000008859 change Effects 0.000 claims abstract description 40
- 238000003915 air pollution Methods 0.000 claims description 49
- 230000002085 persistent effect Effects 0.000 claims description 10
- 239000003550 marker Substances 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000001932 seasonal effect Effects 0.000 claims description 4
- 238000012512 characterization method Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract 1
- 239000003570 air Substances 0.000 description 15
- 238000011156 evaluation Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Processing Of Solid Wastes (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种表征大气重污染过程变化的方法，该方法首先定义出表征大气污染变化的指标体系、单位尺度、等级划分标准等衡量标准；其次，依据以上标准，提出大气重污染过程的定位方法，在重污染过程中提取具体变化特征、以及天气影响要素特征等信息；最后，建立所需基础底表框架，并在此框架之下，将提取到的信息进行描述标示，实现重污染变化过程的描述。
Description
技术领域
本发明涉及环境大数据挖掘技术领域，更具体地，涉及一种表征大气重污染过程变化的方法。
背景技术
我国大气重污染天气频发，其形成与气象、地形、排放等因素密不可分，影响关系错综复杂。基于大量环境数据，将重污染过程特征及影响关系等知识挖掘出来，进行分析决策，是治理大气重污染不可缺少的技术研究。而目前研究中，多采用表格、时间序列曲线等通用方法进行重污染过程的提取分析，使得对重污染过程知识的表征难以深入，也难以实现对重污染过程多层知识的结构化存储。随着大气环境监测联网的不断壮大，大气监测数据日益剧增，更需要一种方法，能够简洁有效地将大气重污染过程信息从大量复杂数据中提取出来，对其变化特征及其影响要素进行全面挖掘，并实现结构化表征存储。
发明内容
本发明提供一种表征大气重污染过程变化的方法，该方法可实现将大气重污染变化及天气影响信息这些知识进行基于规则的提取和结构化表征。
为了达到上述技术效果，本发明的技术方案如下：
一种表征大气重污染过程变化的方法，包括以下步骤：
S1：定义表征大气污染变化的指标体系、单位尺度、以及等级划分标准；
S2：根据S1中所定义的标准，在时间序列中提取重污染过程；
S3：提取描述重污染过程的特征及天气影响信息；
S4：建立图示所需要的基础底表框架，依据S3中所得信息及基础底表框架实现大气重污染变化过程的描述。
进一步地，所述步骤S1的过程如下：
S11：定义表征大气污染变化的8种指标体系如下表：
S12：定义污染过程时间序列的单位尺度为小时或日；
S13：依据步骤S11定义的指标和步骤S12定义的单位尺度，依据各指标的监测浓度，定义各指标污染等级划分标准。
进一步地，所述步骤S2的过程如下：
S21：从步骤S11中选择一个指标表征大气污染变化的指标；
S22：依据步骤S13确定的等级划分标准，计算所选指标的污染等级，得到指标的等级变化时间序列；
S23：定义重污染的等级判别阈值，提取重污染过程。
进一步地，所述步骤S23的过程如下：
S231：以步骤S22所得到的等级变化时间序列为对象，从序列起始开始，顺序查找，在序列中定位到首次出现等级等于阈值的时刻，若没有，则定位到首次出现等级比阈值高一级别的时刻；
S232：以步骤S231定位到的时刻为基准，依次向前寻找到等级等于1的时刻，定为重污染过程的起点；
S233：以步骤S231定位到的时刻为基准，依次向后寻找到等级等于1的时刻，定位重污染过程的终点；
S234：提取一个从起点到终点的时间序列，则为提取到的重污染过程。
进一步地，所述步骤S3的过程如下：
S31：提取重污染过程的指标等级变化情况；
S32：提取步骤S31中各等级的持续时间，其中起点、终点除外；
S33：提取步骤S31中各等级相应的天气形势状态信息。
进一步地，所述步骤S4的过程如下：
S41：建立描述等级状态的基本单元，以列的形式描述数字标示，标示个数由步骤S1中定义的等级个数而定，数字标示从下到上依次叠加，如下表：
| ⑥ |
| ⑤ |
| ④ |
| ③ |
| ② |
| ① |
S42：建立描述等级变化的基本框架，将步骤S41所建基本单元并列排放基本单元间以箭头形式连接，箭头指向表征等级间变化，基本单元个数由重污染过程等级变化情况而定；
S43：设置每一单元间连接箭头的上方位置为等级持续时间标示位置，以“持续时间+单位”形式描述；
S44：设置基本单元上方位置为相应天气形势状态标示位置；
S45：设置标题居中位置为中污染过程日期、时间、指标标示位置，建立基础底表框架如下表：
S46：在步骤S45所建立的底表中，对步骤S31得到的等级变化进行描述；
S47：在步骤S45所建立的底表中，对步骤S32得到的等级持续时间进行标记；
S48：在步骤S45所建立的底表中，对步骤S33得到的相应天气形势信息进行标记；
S49：在标题位置记录重污染过程的起止日期和时间，以及指标名称。
与现有技术相比，本发明技术方案的有益效果是：
本发明方法首先定义出表征大气污染变化的指标体系、单位尺度、等级划分标准等衡量标准；其次，依据以上标准，提出大气重污染过程的定位方法，在重污染过程中提取具体变化特征、以及天气影响要素特征等信息；最后，建立所需基础底表框架，并在此框架之下，将提取到的信息进行描述标示，实现重污染变化过程的描述。
附图说明
图1本发明方法流程图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
本发明提供了一种表征大气重污染过程变化的方法，该方法包括：
(1)定义表征大气污染变化的指标体系、单位尺度、以及等级划分标准；其具体是：
(11)以我国环境空气质量标准规定的污染物项目和空气质量指数为考虑依据，污染物项目主要有：SO2、NO2、CO、O3、PM10、PM2.5，空气质量指数为AQI。可利用其中一种指标评价大气污染状况，也可利用所有指标评价大气污染状况。因此，本专利定义出可表征大气污染变化的8种指标体系：
a.[SO2]
b.[NO2]
c.[CO]
d.[O3]
e.[PM10]
f.[PM2.5]
g.[AQI]
h.[SO2、NO2、CO、O3、PM10、PM2.5、AQI]
(12)定义污染过程时间序列的单位尺度，在此，将单位尺度定义为小时为例。
(13)依据步骤(1)定义的指标和步骤(2)定义的单位尺度，依据各指标的监测浓度，定义各指标污染等级划分标准。
(2)依据步骤(1)所定义的标准，在时间序列中提取重污染过程，其具体是：
(21)依据步骤(1)选择表征大气污染变化的指标：在实例中，选择指标体系为：[PM2.5]。准备数据；数据为某地环境自动监测站PM2.5浓度、天气形势图，选取数据时间范围为2014年12月8日0时至2014年12月11日23时。
(22)已定义污染过程时间序列的单位尺度为小时，则以PM2.5的小时监测浓度为指标对象，依据我国空气质量标准，定义PM2.5的污染等级划分标准如下：
根据以上标准，计算所选取时间序列内的PM2.5小时污染等级时间序列，部分数据如下表所示：
| 日期时间 | 小时浓度 | 等级 | 日期时间 | 小时浓度 | 等级 |
| 2014/12/8 0:00 | 21 | 1 | 2014/12/8 9:00 | 20 | 1 |
| 2014/12/8 1:00 | 21 | 1 | 2014/12/8 10:00 | 18 | 1 |
| 2014/12/8 2:00 | 13 | 1 | 2014/12/8 11:00 | 21 | 1 |
| 2014/12/8 3:00 | 14 | 1 | 2014/12/8 12:00 | 36 | 2 |
| 2014/12/8 4:00 | 16 | 1 | 2014/12/8 13:00 | 70 | 2 |
| 2014/12/8 5:00 | 19 | 1 | 2014/12/8 14:00 | 94 | 3 |
| 2014/12/8 6:00 | 22 | 1 | 2014/12/8 15:00 | 96 | 3 |
| 2014/12/8 7:00 | 22 | 1 | 2014/12/8 16:00 | 105 | 3 |
| 2014/12/8 8:00 | 22 | 1 | 2014/12/8 17:00 | 118 | 4 |
(23)定义重污染的等级判别阈值为4。
(24)根据步骤(23)中定义的阈值，提取重污染过程，其具体是：
(241)以步骤(22)所得到的PM2.5等级时间序列为对象，从序列起始时刻开始，顺序查找，在序列中定位到首次出现等级等于4的时刻，则定位到2014/12/8 17:00。
(242)以步骤(241)定位到的时刻2014/12/8 17:00为基准，依次向前寻找到等级等于1的时刻为2014/12/8 11:00，定为重污染过程的起点。
(243)以步骤(241)定位到的时刻为基准，依次向后寻找到等级等于1的时刻2014/12/10 15:00，定位重污染过程的终点；
(244)提取一个从起点到终点的时间序列，则2014/12/8 17:00-2014/12/10 15:00PM2.5小时序列则为提取到的重污染过程。
(3)提取描述重污染过程的特征及天气信息，其具体是：
(31)提取重污染过程的指标等级变化情况；
上述重污染过程的指标等级变化情况为：1->2->3->4->3->4->5->6->4->2->1.
(32)提取步骤(31)中各等级的持续时间，其中起点、终点除外；
上述重污染过程中各等级的持续时间长度如下表所示：
| 等级 | 1 | 2 | 3 | 4 | 3 | 4 | 5 | 6 | 4 | 2 | 1 |
| 持续时长 | / | 2h | 3h | 2h | 4h | 1h | 13h | 20h | 1h | 5h | / |
(33)由于天气形势是影响大气污染变化的重要因素之一，因此，利用天气形势数据，对天气形势这一影响要素信息进行提取。天气形势数据来源于对中央气象台实时发布的天气形势图的提取，与PM2.5数据的时间范围一致。提取出与步骤(32)中各等级相应的天气形势状态信息如下表所示：
(4)建立图示所需要的基础底表框架，其具体是：
(41)建立描述等级状态的基本单元，基本单元如下所示，以列的形式描述数字标示，标示个数由步骤(1)定义的等级个数而定，数字标示从下到上依次叠加，如下表：
(42)建立描述等级变化的基本框架，将步骤(41)所建基本单元并列排放，基本单元间以箭头形式连接，箭头指向表征等级间变化，基本单元个数由重污染过程等级变化情况而定。
(43)设置每一单元间连接箭头的上方位置为等级持续时间标示位置，以“持续时间+单位”形式描述；
(44)设置基本单元上方位置为相应天气形势状态标示位置；
(45)设置标题居中位置为中污染过程日期、时间、指标标示位置。最终建立的图示基础底表框架如下表：
(5)依据步骤(3)所得信息，及步骤(4)所建底表框架，实现大气重污染变化过程的图示描述，其具体是：
(51)在步骤(5)所建立的底表中，对步骤(31)得到的等级变化进行描述；
(52)在步骤(5)所建立的底表中，对步骤(32)得到的等级持续时间进行标记；
(53)在步骤(5)所建立的底表中，对步骤(33)得到的相应天气形势信息进行标记；
(54)在标题位置记录重污染过程的起止日期和时间，以及指标名称。
通过以上步骤(1)至步骤(5)所描述的方法则实现了对大气重污染过程的图示，最终得到此重污染过程实例的图示如下表：
相同或相似的标号对应相同或相似的部件；
附图中描述位置关系的用于仅用于示例性说明，不能理解为对本专利的限制；
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (6)
1.一种表征大气重污染过程变化的方法，其特征在于，包括以下步骤：
S1：定义表征大气污染变化的指标体系、单位尺度、以及等级划分标准；
S2：根据S1中所定义的标准，在时间序列中提取重污染过程；
S3：提取描述重污染过程的特征及天气影响信息；
S4：建立图示所需要的基础底表框架，依据S3中所得信息及基础底表框架实现大气重污染变化过程的描述。
2.根据权利要求1所述的表征大气重污染过程变化的方法，其特征在于，所述步骤S1的过程如下：
S11：定义表征大气污染变化的8种指标体系如下表：
S12：定义污染过程时间序列的单位尺度为小时或日；
S13：依据步骤S11定义的指标和步骤S12定义的单位尺度，依据各指标的监测浓度，定义各指标污染等级划分标准。
3.根据权利要求2所述的表征大气重污染过程变化的方法，其特征在于，所述步骤S2的过程如下：
S21：从步骤S11中选择一个指标表征大气污染变化的指标；
S22：依据步骤S13确定的等级划分标准，计算所选指标的污染等级，得到指标的等级变化时间序列；
S23：定义重污染的等级判别阈值，提取重污染过程。
4.根据权利要求3所述的表征大气重污染过程变化的方法，其特征在于，所述步骤S23的过程如下：
S231：以步骤S22所得到的等级变化时间序列为对象，从序列起始开始，顺序查找，在序列中定位到首次出现等级等于阈值的时刻，若没有，则定位到首次出现等级比阈值高一级别的时刻；
S232：以步骤S231定位到的时刻为基准，依次向前寻找到等级等于1的时刻，定为重污染过程的起点；
S233：以步骤S231定位到的时刻为基准，依次向后寻找到等级等于1的时刻，定位重污染过程的终点；
S234：提取一个从起点到终点的时间序列，则为提取到的重污染过程。
5.根据权利要求4所述的表征大气重污染过程变化的方法，其特征在于，所述步骤S3的过程如下：
S31：提取重污染过程的指标等级变化情况；
S32：提取步骤S31中各等级的持续时间，其中起点、终点除外；
S33：提取步骤S31中各等级相应的天气形势状态信息。
6.根据权利要求5所述的表征大气重污染过程变化的方法，其特征在于，所述步骤S4的过程如下：
S41：建立描述等级状态的基本单元，以列的形式描述数字标示，标示个数由步骤S1中定义的等级个数而定，数字标示从下到上依次叠加，如下表：
S42：建立描述等级变化的基本框架，将步骤S41所建基本单元并列排放基本单元间以箭头形式连接，箭头指向表征等级间变化，基本单元个数由重污染过程等级变化情况而定；
S43：设置每一单元间连接箭头的上方位置为等级持续时间标示位置，以“持续时间+单位”形式描述；
S44：设置基本单元上方位置为相应天气形势状态标示位置；
S45：设置标题居中位置为中污染过程日期、时间、指标标示位置，建立基础底表框架如下表：
S46：在步骤S45所建立的底表中，对步骤S31得到的等级变化进行描述；
S47：在步骤S45所建立的底表中，对步骤S32得到的等级持续时间进行标记；
S48：在步骤S45所建立的底表中，对步骤S33得到的相应天气形势信息进行标记；
S49：在标题位置记录重污染过程的起止日期和时间，以及指标名称。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611051389.8A CN106599088B (zh) | 2016-11-24 | 2016-11-24 | 一种表征大气重污染过程变化的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611051389.8A CN106599088B (zh) | 2016-11-24 | 2016-11-24 | 一种表征大气重污染过程变化的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106599088A true CN106599088A (zh) | 2017-04-26 |
| CN106599088B CN106599088B (zh) | 2021-03-30 |
Family
ID=58591838
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611051389.8A Active CN106599088B (zh) | 2016-11-24 | 2016-11-24 | 一种表征大气重污染过程变化的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106599088B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107677777A (zh) * | 2017-10-13 | 2018-02-09 | 深圳市博安达信息技术股份有限公司 | 一种大气重污染过程智能分析*** |
| CN113380339A (zh) * | 2021-06-17 | 2021-09-10 | 中国环境科学研究院 | 区域空间污染特征的检测方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090098127A (ko) * | 2008-03-13 | 2009-09-17 | (주)바이오텔 | 대기 오염물질 모니터링 시스템 및 그 방법 |
| CN105631537A (zh) * | 2015-12-23 | 2016-06-01 | 南京信息工程大学 | 基于气象服务平台的空气质量预报业务*** |
| CN104535721B (zh) * | 2014-12-23 | 2017-04-12 | 小米科技有限责任公司 | 空气质量数据显示方法及装置 |
-
2016
- 2016-11-24 CN CN201611051389.8A patent/CN106599088B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090098127A (ko) * | 2008-03-13 | 2009-09-17 | (주)바이오텔 | 대기 오염물질 모니터링 시스템 및 그 방법 |
| CN104535721B (zh) * | 2014-12-23 | 2017-04-12 | 小米科技有限责任公司 | 空气质量数据显示方法及装置 |
| CN105631537A (zh) * | 2015-12-23 | 2016-06-01 | 南京信息工程大学 | 基于气象服务平台的空气质量预报业务*** |
Non-Patent Citations (1)
| Title |
|---|
| 李宁: "城市空气质量可视化***的研究", 《中国优秀硕士学位论文全文数据库工程科技I辑》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107677777A (zh) * | 2017-10-13 | 2018-02-09 | 深圳市博安达信息技术股份有限公司 | 一种大气重污染过程智能分析*** |
| CN113380339A (zh) * | 2021-06-17 | 2021-09-10 | 中国环境科学研究院 | 区域空间污染特征的检测方法 |
| CN113380339B (zh) * | 2021-06-17 | 2022-02-08 | 中国环境科学研究院 | 区域空间污染特征的检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106599088B (zh) | 2021-03-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110245981B (zh) | 一种基于手机信令数据的人群类型识别方法 | |
| CN104200104A (zh) | 一种基于空间特征的细粒度空气污染物浓度区域估计方法 | |
| CN106556398A (zh) | 一种路线匹配的方法及装置 | |
| CN103116893B (zh) | 基于多示例多标记学习的数字图像标注方法 | |
| CN108062860B (zh) | 基于拥塞传播分析的道路瓶颈识别方法及其*** | |
| CN109118766A (zh) | 一种基于交通卡口的同行车辆判别方法及装置 | |
| CN101980211A (zh) | 一种机器学习模型及其建立方法 | |
| CN104820724B (zh) | 文本类教育资源知识点预测模型获得方法及模型应用方法 | |
| CN104834944B (zh) | 一种基于协同训练的城市区域空气质量估计方法 | |
| CN106211071A (zh) | 基于多源时空轨迹数据的群体活动数据收集方法及*** | |
| CN104615858A (zh) | 一种计算车辆起始地和目的地的方法 | |
| CN116340723B (zh) | 基于大数据的乡村水污染快速溯源方法及*** | |
| CN103903441A (zh) | 一种基于半监督学习的道路交通状态判别方法 | |
| CN106599088A (zh) | 一种表征大气重污染过程变化的方法 | |
| CN109886724B (zh) | 一种鲁棒性的居民出行轨迹识别方法 | |
| CN106651004A (zh) | 一种基于降雨洪灾时空数据库的洪灾预测方法 | |
| CN103065466A (zh) | 一种交通异常状况的检测方法和装置 | |
| CN106935038B (zh) | 一种停车检测***及检测方法 | |
| Zhang et al. | Assessing soil Cu content and anthropogenic influences using decision tree analysis | |
| CN107133689B (zh) | 一种位置标记方法 | |
| CN108182178B (zh) | 基于事件文本数据挖掘的地下水水位分析方法与*** | |
| CN112199454B (zh) | 一种基于有向图的管控车辆拦截点设置方法及装置 | |
| CN107239435B (zh) | 一种基于信息熵的出行周期检测方法 | |
| CN105868189A (zh) | 一种电子地图空间索引建立方法及装置 | |
| Sitanggang et al. | Temporal Patterns of Hotspot Sequences for Early Detection of Peatland Fire in Riau Province |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |