CN116644957A - 一种基于气象和环境监测数据的城市空气污染预警方法 - Google Patents
一种基于气象和环境监测数据的城市空气污染预警方法 Download PDFInfo
- Publication number
- CN116644957A CN116644957A CN202310629254.9A CN202310629254A CN116644957A CN 116644957 A CN116644957 A CN 116644957A CN 202310629254 A CN202310629254 A CN 202310629254A CN 116644957 A CN116644957 A CN 116644957A
- Authority
- CN
- China
- Prior art keywords
- pollution
- data
- meteorological
- city
- air 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.)
- Pending
Links
- 238000003915 air pollution Methods 0.000 title claims abstract description 48
- 238000012544 monitoring process Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000007613 environmental effect Effects 0.000 title claims abstract description 22
- 238000004088 simulation Methods 0.000 claims description 24
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000012502 risk assessment Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000009435 building construction Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 4
- 230000001681 protective effect Effects 0.000 abstract description 3
- 230000035484 reaction time Effects 0.000 abstract description 2
- 230000006872 improvement Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000007789 gas Substances 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013138 pruning Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 239000010871 livestock manure Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
- G01N33/0063—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a threshold to release an alarm or displaying means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Analytical Chemistry (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Combustion & Propulsion (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Computer Security & Cryptography (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Primary Health Care (AREA)
- Atmospheric Sciences (AREA)
Abstract
本发明涉及城市环境监测技术领域。本发明涉及一种基于气象和环境监测数据的城市空气污染预警方法。其包括以下步骤:划定城市周边的特定区域,采集该区域中的气象数据,并对采集的气象数据对正常气象环境影响进行评估;本发明通过对城市周边环境收集、分析和综合利用气象数据、环境监测数据和相关的空气污染指标数据,精确地反映当前空气污染状况,提高预警的准确性,实现对城市空气质量的预警和监测。能够准确判断空气污染的风险程度,缩短了预警的反应时间,使相关部门和市民能够更及时地采取相应的防护措施,减少空气污染的影响,通过网络信息发布发布预警信息可以覆盖更多人群,提高预警的实施效果。
Description
技术领域
本发明涉及城市环境监测技术领域,具体地说,涉及一种基于气象和环境监测数据的城市空气污染预警方法。
背景技术
随着城市化进程的加快,城市空气污染问题日益突出,空气污染对人的影响十分广泛,从眼睛、皮肤、呼吸器官到全身健康都可能受到不同程度的影响,严重影响了人们的生活质量和健康状况,如果不能***发布预警信息,对人们生命健康造成危害,影响正常生活,同时现有在对空气污染检测通过实时检测提高准确,导致预警效果较低,因此,提出一种基于气象和环境监测数据的城市空气污染预警方法。
发明内容
本发明的目的在于提供一种基于气象和环境监测数据的城市空气污染预警方法,以解决上述背景技术中提出的问题。
为实现上述目的,提供了一种基于气象和环境监测数据的城市空气污染预警方法,包括以下步骤:
S1、划定城市周边的特定区域,采集该区域中的气象数据,并对采集的气象数据对正常气象环境影响进行评估;
S2、基于S1采集的气象数据对其进行清洗,根据对气象数据的清洗结果对保留的数据根据方位进行分类;
S3、对需要监测的城市数据进行采集,并建立为需要监测城市为中心的模拟模型,同时将S2分类的数据输送进入模拟模型并根据对城市空气质量的影响进行特征分析;
S4、将S3的特征分析结果结合模拟模型对城市气象造成的影响进行预测,同时并对检测结果进行风险评估;
S5、基于S4的风险评估数据对城市气象进行预警判定,并根据判定结果向城市内发布预警通告。
作为本技术方案的进一步改进,所述S1.1对采集的气象数据对正常气象环境影响进行评估步骤如下:
S1.1、根据需要监测城市的周边地区对城市气象的影响划定一片特定区域;
S1.2、采集该特定区域的气象信息,对该特定区域中的污染信息进行评估。
作为本技术方案的进一步改进,所述S1.2对该特定区域中的污染信息进行评估的步骤如下:
S1.2.1、对该特定区域中工业污染数据进行评估;
S1.2.2、对该特定区域中农业污染数据进行评估;
S1.2.3、对该特定区域中建筑施工污染数据进行评估;
S1.2.4、收集上述对该特定区域污染数据的评估结果,将其进行整合得出该特定区域的污染数据变动范围。
作为本技术方案的进一步改进,所述S1.2.4对得出该特定区域的污染数据变动范围的表达式如下:
Z=X-(X-Y)
其中,X为特定区域在正常状态下的气象信息,Y可以代表工业污染数值、农业污染数值、建筑施工污染数值,其一最差污染状态的气象信息,Z即为人为影响气象环境的最大指数,0~Z为人为影响气象环境的指数变动范围,为气象数据的应用和分析提供更加可靠的依据。
作为本技术方案的进一步改进,所述S2对保留的数据根据方位进行分类的步骤如下:
S2.1、用于对S1.2采集的数据进行预处理;
S2.2、根据S2.1预处理完毕的数据根据东南西北方位不同输入进入模拟模型进行生成。
作为本技术方案的进一步改进,所述S3对城市空气质量的影响进行特征分析的步骤如下:
S3.1、采集需要检测城市区域范围,并将该区域范围结合S1.1划定的特定区域进行定位,并输送进入模拟模型,获取以监测城市为中心的模拟模型;
S3.2、在模拟模型对S2.1预处理完毕的数据进行特征提取,并将提取的特征信息结合需要检测城市进行预测。
作为本技术方案的进一步改进,所述S4对检测结果进行风险评估的步骤如下:
S4.1、根据气象污染对城市的影响程度进行分析,根据分析结果在模拟模型中进行近数值分类,根据分类结果预设的空气污染阈值;
S4.2、根据S3.2的预测结果结合S4.1设置的空气污染阈值进行污染判断。
作为本技术方案的进一步改进,所述S4.1对设置的空气污染阈值进行污染判断表达式如下:
S=N-M
其中,N为检测的城市污染数值,M为AQI指数,M为50依次向上递增,当N小于50无需带入表达式,空气质量为优,当N大于50时表达式生效,S大于50即增加M+50、M+100依次递增,当S小于50时,即根据M最贴近的空气污染严重程度AQI指数,确定空气污染程度。
作为本技术方案的进一步改进,所述S5向城市内发布预警通告步骤如下:
S5.1、根据S4.2对污染的判断结果确定城市空气质量污染程度范围;
S5.2、基于S5.1确定的城市空气质量污染程度范围对城市内通过网络信息方式发送预警信息。
与现有技术相比,本发明的有益效果:
该基于气象和环境监测数据的城市空气污染预警方法中,通过对城市周边环境收集、分析和综合利用气象数据、环境监测数据和相关的空气污染指标数据,精确地反映当前空气污染状况,提高预警的准确性,实现对城市空气质量的预警和监测。能够准确判断空气污染的风险程度,缩短了预警的反应时间,使相关部门和市民能够更及时地采取相应的防护措施,减少空气污染的影响,通过网络信息发布发布预警信息可以覆盖更多人群,提高预警的实施效果。
附图说明
图1为本发明的整体流程框图;
图2为本发明的对正常气象环境影响进行评估的流程框图;
图3为本发明的根据方位进行分类的流程框图;
图4为本发明的对城市空气质量的影响进行特征分析的流程框图;
图5为本发明的对检测结果进行风险评估的流程框图;
图6为本发明的向城市内发布预警通告的流程框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
请参阅图1-图6所示,因此,提供了一种基于气象和环境监测数据的城市空气污染预警方法,包括包括以下步骤:
S1、划定城市周边的特定区域,采集该区域中的气象数据,并对采集的气象数据对正常气象环境影响进行评估;
所述S1.1对采集的气象数据对正常气象环境影响进行评估步骤如下:
S1.1、根据需要监测城市的周边地区对城市气象的影响划定一片特定区域;
S1.2、采集该特定区域的气象信息,对该特定区域中的污染信息进行评估。通过搜索引擎收集数据从气象局、环保局和相关监测站点等获取气象数据、环境监测数据和空气污染指标数据,包括但不限于大气温度、湿度、风速、风向、降雨量、空气质量指数(AQI)等
所述S1.2对该特定区域中的污染信息进行评估的步骤如下:
S1.2.1、对该特定区域中工业污染数据进行评估;工业生产过程中排放的各种有害气体和颗粒物,如二氧化硫、氮氧化物、烟尘等,计算工业污染数值
S1.2.2、对该特定区域中农业污染数据进行评估;源于化学肥料、化学农药以及养殖过程从粪便、饲料等方面产生的氨、硫化氢、甲烷等气体和溶解于地下水的氮、磷等物质,是农业生产中造成的重要污染源,计算农业污染数值;
S1.2.3、对该特定区域中建筑施工污染数据进行评估;由于建筑施工、装修等过程中所产生的水泥、油漆、胶粘剂等有害气体,对空气质量产生明显影响,计算建筑施工污染数值;
S1.2.4、收集上述对该特定区域污染数据的评估结果,将其进行整合得出该特定区域的污染数据变动范围。将工业污染数值和农业污染数值、建筑施工污染数值进行整合。
所述S1.2.4对得出该特定区域的污染数据变动范围的表达式如下:
Z=X-(X-Y)
其中,X为特定区域在正常状态下的气象信息,Y可以代表工业污染数值、农业污染数值、建筑施工污染数值,其一最差污染状态的气象信息,Z即为人为影响气象环境的最大指数,0~Z为人为影响气象环境的指数变动范围,为气象数据的应用和分析提供更加可靠的依据。
S2、基于S1采集的气象数据对其进行清洗,根据对气象数据的清洗结果对保留的数据根据方位进行分类;
所述S2对保留的数据根据方位进行分类的步骤如下:
S2.1、用于对S1.2采集的数据进行预处理;对收集到的数据进行预处理,包括数据清洗,
缺失值处理:检测数据集中缺失值的情况,并根据不同的情况采取恰当的方式处理,比如用平均值填充、删除、插值等。
去重:检测和去除数据集中出现的重复项,确保数据集中包含的是唯一的信息。
异常值处理:检测数据集中的异常值,确定是否需要删除这些值,或者采用插值等方式处理,确保数据的准确性和完整性;
S2.2、根据S2.1预处理完毕的数据根据东南西北方位不同输入进入模拟模型进行生成。
S3、对需要监测的城市数据进行采集,并建立为需要监测城市为中心的模拟模型,同时将S2分类的数据输送进入模拟模型并根据对城市空气质量的影响进行特征分析;
所述S3对城市空气质量的影响进行特征分析的步骤如下:
S3.1、采集需要检测城市区域范围,并将该区域范围结合S1.1划定的特定区域进行定位,并输送进入模拟模型,获取以监测城市为中心的模拟模型;
S3.2、在模拟模型对S2.1预处理完毕的数据进行特征提取,并将提取的特征信息结合需要检测城市进行预测。根据已收集的数据,提取与空气污染相关的特征。例如,根据气象数据计算出湿度指数、温度指数等;根据环境监测数据计算出PM2.5浓度、二氧化硫浓度等;
利用已提取的特征数据,建立空气污染预警模型。可以采用机器学习算法进行模型训练,决策树生成:
从训练数据集生成决策树,并对测试数据集进行分类决策树剪枝:为了防止过度拟合,对生成的决策树进行剪枝并根据实际情况进行模型参数调优;
S4、将S3的特征分析结果结合模拟模型对城市气象造成的影响进行预测,同时并对检测结果进行风险评估;
所述S4对检测结果进行风险评估的步骤如下:
S4.1、根据气象污染对城市的影响程度进行分析,根据分析结果在模拟模型中进行近数值分类,根据分类结果预设的空气污染阈值;
S4.2、根据S3.2的预测结果结合S4.1设置的空气污染阈值进行污染判断。根据训练好的预警模型,对当前的气象和环境监测数据进行预测和判定。根据预测结果和预设的空气污染阈值,判断当前空气质量的风险等级;
所述S4.1对设置的空气污染阈值进行污染判断表达式如下:
S=N-M
其中,N为检测的城市污染数值,M为AQI指数,M为50依次向上递增,当N小于50无需带入表达式,空气质量为优,当N大于50时表达式生效,S大于50即增加M+50、M+100依次递增,当S小于50时,即根据M最贴近的空气污染严重程度AQI指数,确定空气污染程度。
空气污染阈值AQI指数严重程度如下:
-0-50:空气质量优;
-51-100:空气质量良好;
-101-150:空气质量轻度污染;
-151-200:空气质量中度污染;
-201-300:空气质量重度污染;
-301-500:空气质量严重污染;
S5、基于S4的风险评估数据对城市气象进行预警判定,并根据判定结果向城市内发布预警通告。
所述S5向城市内发布预警通告步骤如下:
S5.1、根据S4.2对污染的判断结果确定城市空气质量污染程度范围;
S5.2、基于S5.1确定的城市空气质量污染程度范围对城市内通过网络信息方式发送预警信息,根据确定城市空气质量污染程度范围的结果,及时向相关部门和市民发布预警信息。预警信息可以通过手机APP、电视、广播等渠道传达,提醒市民采取相应的防护措施,如佩戴口罩、减少户外活动等。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (9)
1.一种基于气象和环境监测数据的城市空气污染预警方法,其特征在于:包括以下步骤:
S1、划定城市周边的特定区域,采集该区域中的气象数据,并对采集的气象数据对正常气象环境影响进行评估;
S2、基于S1采集的气象数据对其进行清洗,根据对气象数据的清洗结果对保留的数据根据方位进行分类;
S3、对需要监测的城市数据进行采集,并建立为需要监测城市为中心的模拟模型,同时将S2分类的数据输送进入模拟模型并根据对城市空气质量的影响进行特征分析;
S4、将S3的特征分析结果结合模拟模型对城市气象造成的影响进行预测,同时并对检测结果进行风险评估;
S5、基于S4的风险评估数据对城市气象进行预警判定,并根据判定结果向城市内发布预警通告。
2.根据权利要求1所述的基于气象和环境监测数据的城市空气污染预警方法,其特征在于:所述S1.1对采集的气象数据对正常气象环境影响进行评估步骤如下:
S1.1、根据需要监测城市的周边地区对城市气象的影响划定一片特定区域;
S1.2、采集该特定区域的气象信息,对该特定区域中的污染信息进行评估。
3.根据权利要求2所述的基于气象和环境监测数据的城市空气污染预警方法,其特征在于:所述S1.2对该特定区域中的污染信息进行评估的步骤如下:
S1.2.1、对该特定区域中工业污染数据进行评估;
S1.2.2、对该特定区域中农业污染数据进行评估;
S1.2.3、对该特定区域中建筑施工污染数据进行评估;
S1.2.4、收集上述对该特定区域污染数据的评估结果,将其进行整合得出该特定区域的污染数据变动范围。
4.根据权利要求3所述的基于气象和环境监测数据的城市空气污染预警方法,其特征在于:所述S1.2.4对得出该特定区域的污染数据变动范围的表达式如下:
Z=X-(X-Y)
其中,X为特定区域在正常状态下的气象信息,Y可以代表工业污染数值、农业污染数值、建筑施工污染数值,其一最差污染状态的气象信息,Z即为人为影响气象环境的最大指数,0~Z为人为影响气象环境的指数变动范围,为气象数据的应用和分析提供更加可靠的依据。
5.根据权利要求2所述的基于气象和环境监测数据的城市空气污染预警方法,其特征在于:所述S2对保留的数据根据方位进行分类的步骤如下:
S2.1、用于对S1.2采集的数据进行预处理;
S2.2、根据S2.1预处理完毕的数据根据东南西北方位不同输入进入模拟模型进行生成。
6.根据权利要求5所述的基于气象和环境监测数据的城市空气污染预警方法,其特征在于:所述S3对城市空气质量的影响进行特征分析的步骤如下:
S3.1、采集需要检测城市区域范围,并将该区域范围结合S1.1划定的特定区域进行定位,并输送进入模拟模型,获取以监测城市为中心的模拟模型;
S3.2、在模拟模型对S2.1预处理完毕的数据进行特征提取,并将提取的特征信息结合需要检测城市进行预测。
7.根据权利要求6所述的基于气象和环境监测数据的城市空气污染预警方法,其特征在于:所述S4对检测结果进行风险评估的步骤如下:
S4.1、根据气象污染对城市的影响程度进行分析,根据分析结果在模拟模型中进行近数值分类,根据分类结果预设的空气污染阈值;
S4.2、根据S3.2的预测结果结合S4.1设置的空气污染阈值进行污染判断。
8.根据权利要求7所述的基于气象和环境监测数据的城市空气污染预警方法,其特征在于:所述S4.1对设置的空气污染阈值进行污染判断表达式如下:
S=N-M
其中,N为检测的城市污染数值,M为AQI指数,M为50依次向上递增,当N小于50无需带入表达式,空气质量为优,当N大于50时表达式生效,S大于50即增加M+50、M+100依次递增,当S小于50时,即根据M最贴近的空气污染严重程度AQI指数,确定空气污染程度。
9.根据权利要求7所述的基于气象和环境监测数据的城市空气污染预警方法,其特征在于:所述S5向城市内发布预警通告步骤如下:
S5.1、根据S4.2对污染的判断结果确定城市空气质量污染程度范围;
S5.2、基于S5.1确定的城市空气质量污染程度范围对城市内通过网络信息方式发送预警信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310629254.9A CN116644957A (zh) | 2023-05-31 | 2023-05-31 | 一种基于气象和环境监测数据的城市空气污染预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310629254.9A CN116644957A (zh) | 2023-05-31 | 2023-05-31 | 一种基于气象和环境监测数据的城市空气污染预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116644957A true CN116644957A (zh) | 2023-08-25 |
Family
ID=87619566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310629254.9A Pending CN116644957A (zh) | 2023-05-31 | 2023-05-31 | 一种基于气象和环境监测数据的城市空气污染预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116644957A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116912069A (zh) * | 2023-09-13 | 2023-10-20 | 成都市智慧蓉城研究院有限公司 | 应用于智慧城市的数据处理方法及电子设备 |
-
2023
- 2023-05-31 CN CN202310629254.9A patent/CN116644957A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116912069A (zh) * | 2023-09-13 | 2023-10-20 | 成都市智慧蓉城研究院有限公司 | 应用于智慧城市的数据处理方法及电子设备 |
CN116912069B (zh) * | 2023-09-13 | 2024-01-02 | 成都市智慧蓉城研究院有限公司 | 应用于智慧城市的数据处理方法及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107764765A (zh) | 用于大气污染的监测***及用于大气污染的监测方法 | |
CN114022052B (zh) | 水质异常监测方法、装置、存储介质及计算机设备 | |
CN116644957A (zh) | 一种基于气象和环境监测数据的城市空气污染预警方法 | |
CN107884511A (zh) | 用于预测室内空气质量的设备和方法 | |
CN110261272B (zh) | 基于地理探测和pca对pm2.5浓度分布的关键影响因子筛选方法 | |
Fong et al. | Forecasting of particulate matter (PM10) concentration based on gaseous pollutants and meteorological factors for different monsoons of urban coastal area in Terengganu | |
CN113655175A (zh) | 一种网格化空气监测方法、***、计算机设备及存储介质 | |
CN111103405A (zh) | 空气质量预报预警*** | |
CN117871790B (zh) | 基于多种数据融合的路边监测站数据分析和交通溯源方法 | |
CN111077048A (zh) | 基于移动设备的机会式群体智能空气质量监测及评估方法 | |
CN113267601B (zh) | 一种基于机器视觉和数据分析的工业生产环境远程实时监测云平台 | |
CN114417981A (zh) | 一种智能河长巡测*** | |
Barthwal et al. | Performance analysis of sensing-based extreme value models for urban air pollution peaks | |
CN112986497B (zh) | 基于气体传感器阵列指纹识别的污染气体溯源方法 | |
CN117807549A (zh) | 一种农田土壤肥力评价方法及*** | |
CN114217025A (zh) | 评估空气质量浓度预测中气象数据对其影响的分析方法 | |
Mawada et al. | Climate change impacts on the extreme rainfall for selected sites in North Western England | |
CN115423383B (zh) | 基于人工智能的分布式村镇饮用水监测调控***及方法 | |
CN107609280B (zh) | 一种时间区间的确定方法以及终端 | |
CN113917093B (zh) | 一种基于无线网络的空气质量监控*** | |
CN113960700B (zh) | 区域数值预报结果的客观检验、统计及分析*** | |
CN112903940A (zh) | 一种基于物联网的水环境在线监测*** | |
Handayani et al. | Robustness of Sensors Network in Environmental Monitoring | |
CN117451114B (zh) | 一种碳排放监测***及方法 | |
Pratama et al. | Analysis of CO Pollutant Monitoring System Using MAPPI32 LORA in Bekasi City |
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 |