本技术属于大气污染领域,主要使用数据分析的方法用于研究大气污染领域的污染成因分析。背景技术:在污染成因分析方面,现有方法主要采用基于物理化学分析的源解析,例如环保局和中科院大气所都采用此类方法。总的来说,形成空气污染的原因主要有污染物总排放量(源强度)和大气扩散等气象条件。但要分析具体某一天的空气质量及变化原因,除了要掌握各个污染源的排放情况,需要了解气象扩散条件(包括局地气象、中尺度气象乃至大尺度气象情况影响),还要有可靠的理论和模型分析。目前要做可靠的分析还比较困难。2014年,中科院欲斥资5亿建世界最大雾霾实验室,模拟大气中发生的反应,研究二次污染颗粒的形成机制,为揭示污染成因、有效控制雾霾提供理论依据。这种分析主要针对城市级别,成本较高,对污染源的定位较宏观,也缺乏对演变规律和传播路径的分析。目前有一些研究者采用数据挖掘的方法发掘污染影响因素之间的关联,如李令军等人利用时间序列分析的方法对空气污染指数(api)大于200的空气重污染做了系统分析。刘彩霞等人的研究指出地面风场对空气质量的影响具有双重性,不同降水强度对空气污染的作用也是有差异的。李德平等人统计分析2001年-2007年北京地区3级以上api与气象要素之间的相关关系,并对出现4级以上重污染日的污染源进行了分析。杨素英等人则从北京秋季一次重污染过程出发,分析了空气污染的形成原因。然而直接采用数据挖掘分析大气污染的成因,还没有相关工作。本课题拟采用因果关联挖掘的方法,深入挖掘污染源和相关特征变量的因果关系,从而逐步推导出污染成因以及传播路径。技术实现要素:本发明要解决的技术问题是,提供一种采用因果关联挖掘的放法,挖掘大气污染的成因。首先采用granger因果关系检验对所有大气污染数据进行检验,然后对检验结果进行筛选,选出具有单向granger原因的数据(一种污染物是另外一种污染物的granger原因,反过来则不是)。筛选出来的具有单向granger因果关系的两条数据,它们之间的关系为一条数据能够影响另外一条数据,相反的话则不能影响。因此可以通过这两条数据确定一个大气污染传播路径。本发明面向大气污染多维时序数据,提供了一种通过大气污染多维时序数据挖掘大气污染传播路径的方法。使用granger因果关系检验挖掘具有granger因果关系的数据,从而通过数据挖掘大气污染污染物之间的因果关系,从而发现大气污染传
声明:
“挖掘大气污染传播路径的方法与流程” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)