預(yù)測(cè)空氣質(zhì)量指數(shù)的方法與裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及工業(yè)自動(dòng)化控制技術(shù)領(lǐng)域，具體而言，本發(fā)明涉及一種預(yù)測(cè)空氣質(zhì)量 指數(shù)的方法與裝置。
【背景技術(shù)】
[0002] AQI (Air Quality Index，空氣質(zhì)量指數(shù)）是定量描述空氣質(zhì)量狀況的無(wú)量綱指 數(shù)。針對(duì)單項(xiàng)污染物還規(guī)定了空氣質(zhì)量分指數(shù)。參與空氣質(zhì)量評(píng)價(jià)的主要污染物為細(xì)顆粒 物、可吸入顆粒物、二氧化硫、二氧化氮、臭氧、一氧化碳等六項(xiàng)。
[0003] 現(xiàn)有技術(shù)中，對(duì)AQI的主要預(yù)測(cè)方式為基于SPRINTARS大氣環(huán)流模型的AQI預(yù)測(cè) 方式。SPRINTARS (Spectral Radiation-Transport Model for Aerosol Species)是以全 球規(guī)模模擬大氣懸浮顆粒物，即大氣氣溶膠，對(duì)氣候系統(tǒng)造成的影響以及大氣污染狀況而 開(kāi)發(fā)的數(shù)值模型。SPRINTARS以東京大學(xué)大氣海洋研宄所（氣候系統(tǒng)研宄系）、日本國(guó)立環(huán) 境研宄所及日本海洋研宄開(kāi)發(fā)機(jī)構(gòu)（地球環(huán)境變動(dòng)領(lǐng)域）開(kāi)發(fā)的海氣耦合模型MIR0C為基 礎(chǔ)，對(duì)存在于對(duì)流層中的自然形成及人為形成的主要大氣氣溶膠，包括黑色碳、有機(jī)物、硫 酸鹽、土壤顆粒及海鹽顆粒，進(jìn)行研宄，這些顆粒物也被分類為PM10及PM2. 5。SPRINTARS 可計(jì)算出大氣氣溶膠的移動(dòng)過(guò)程，包括產(chǎn)生、對(duì)流、擴(kuò)散、濕沉降、干沉降、重力沉降的過(guò)程； 還可計(jì)算出大氣氣溶膠產(chǎn)生的直接作用，如大氣氣溶膠對(duì)陽(yáng)光及紅外線的散射和吸收，和 間接作用，如大氣氣溶膠作為云凝結(jié)核及冰核的功能。
[0004] SPRINTARS構(gòu)造了 一個(gè)相對(duì)完善、復(fù)雜的大氣環(huán)流模型，以此來(lái)計(jì)算全球污染物顆 粒的擴(kuò)散趨勢(shì)。該方式對(duì)季節(jié)分明的平原地區(qū)有很好的預(yù)測(cè)結(jié)果，但是對(duì)于地形復(fù)雜的盆 地、丘陵、高原、山地等地區(qū)，可能會(huì)由于氣候復(fù)雜，水汽興盛，從而導(dǎo)致難以給出準(zhǔn)確的預(yù) 測(cè)。例如，SPRINTARS無(wú)法很好地區(qū)分中國(guó)西南部地區(qū)的霧霾與水霧，如對(duì)于少風(fēng)多霧的中 國(guó)重慶地區(qū)經(jīng)常給出持續(xù)嚴(yán)重污染的預(yù)測(cè)，但實(shí)際該城市空氣質(zhì)量一直處于優(yōu)良狀態(tài)，使 得基于SPRINTARS的AQI預(yù)報(bào)在中國(guó)西南部地區(qū)沒(méi)有參考意義。
[0005] 因此，現(xiàn)有技術(shù)中，基于SPRINTARS大氣環(huán)流模型的AQI預(yù)測(cè)方式存在以下問(wèn)題：
[0006] 1) SPRINTARS大氣環(huán)流模型主要考慮大氣環(huán)流整體因素，從大氣環(huán)流的維度上分 析污染物的擴(kuò)散形式，而對(duì)于某個(gè)具體城市的具體氣候情況難于詳細(xì)區(qū)分。由于同一個(gè)城 市的具體氣候情況，會(huì)因不同季節(jié)、不同時(shí)間段、甚至人為因素而有所改變，例如，某地區(qū)新 建了化工廠前后，污染物的排放和積累肯定會(huì)有所變化，因此，基于SPRINTARS大氣環(huán)流模 型的AQI預(yù)測(cè)方式對(duì)于具體城市的具體預(yù)測(cè)準(zhǔn)確性較低。
[0007] 2) SPRINTARS大氣環(huán)流模型的數(shù)據(jù)采集量非常巨大，至少需要收集大量的污染源 具體信息及衛(wèi)星氣象信息，同時(shí)，SPRINTARS大氣環(huán)流模型的計(jì)算量也是非常龐大，需要高 性能的硬件設(shè)備來(lái)支持，巨大的數(shù)據(jù)采集量及龐大的計(jì)算量對(duì)于普通的單位和個(gè)人存在很 高的技術(shù)進(jìn)入門檻。

【發(fā)明內(nèi)容】

[0008] 為克服上述技術(shù)問(wèn)題或者至少部分地解決上述技術(shù)問(wèn)題，特提出以下技術(shù)方案：
[0009] 本發(fā)明的實(shí)施例提出了一種預(yù)測(cè)空氣質(zhì)量指數(shù)的方法，包括：
[0010] 根據(jù)待預(yù)測(cè)地理位置及當(dāng)前時(shí)間，獲取相應(yīng)的預(yù)測(cè)模型；
[0011] 獲取所述待預(yù)測(cè)地理位置的氣象數(shù)據(jù)；
[0012] 根據(jù)所述氣象數(shù)據(jù)信息，基于所述預(yù)測(cè)模型進(jìn)行運(yùn)算處理，確定待預(yù)測(cè)地理位置 在待預(yù)測(cè)時(shí)間的空氣質(zhì)量指數(shù)。
[0013] 本發(fā)明的實(shí)施例還提出了一種預(yù)測(cè)空氣質(zhì)量指數(shù)的裝置，包括：
[0014] 模型獲取模塊，用于根據(jù)待預(yù)測(cè)地理位置及當(dāng)前時(shí)間，獲取相應(yīng)的預(yù)測(cè)模型；
[0015] 氣象數(shù)據(jù)獲取模塊，用于獲取所述待預(yù)測(cè)地理位置的氣象數(shù)據(jù)；
[0016] 指數(shù)確定模塊，用于根據(jù)所述氣象數(shù)據(jù)信息，基于所述預(yù)測(cè)模型進(jìn)行運(yùn)算處理，確 定待預(yù)測(cè)地理位置在待預(yù)測(cè)時(shí)間的空氣質(zhì)量指數(shù)。
[0017] 本發(fā)明的實(shí)施例中，可針對(duì)每一地理位置在當(dāng)前時(shí)間下均建立相應(yīng)的預(yù)測(cè)模型； 在執(zhí)行預(yù)測(cè)時(shí)，首先，獲取待預(yù)測(cè)地理位置的氣象數(shù)據(jù)，該氣象數(shù)據(jù)可從氣象部門發(fā)布的天 氣預(yù)報(bào)等公共信息中獲??；隨后，根據(jù)氣象數(shù)據(jù)，基于相應(yīng)的預(yù)測(cè)模型進(jìn)行運(yùn)算處理，確定 待預(yù)測(cè)地理位置在待預(yù)測(cè)時(shí)間的空氣質(zhì)量指數(shù)。本發(fā)明相對(duì)于現(xiàn)有技術(shù)的優(yōu)勢(shì)在于：首先， 本發(fā)明僅需較少的且易于獲取的氣象信息即可完成未來(lái)空氣質(zhì)量指數(shù)的預(yù)測(cè)，由于本發(fā)明 的方案不需要獲取現(xiàn)有技術(shù)中大氣環(huán)流模型所需的復(fù)雜大氣環(huán)流參數(shù)，而僅需易于獲得的 基本氣象數(shù)據(jù)，如歷史每日溫度、濕度、氣壓、風(fēng)力、風(fēng)向、AQI數(shù)值等，即可完成預(yù)測(cè)，因此任 何單位和個(gè)人都可以利用氣象部門發(fā)布的公共氣象信息基于本發(fā)明所述的技術(shù)方案進(jìn)行 AQI預(yù)測(cè)，同時(shí)，基于預(yù)測(cè)模型，如基于人工神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型的計(jì)算量較小，無(wú)需高性能 硬件設(shè)備的高成本投入，降低了預(yù)測(cè)的實(shí)現(xiàn)難度和進(jìn)入門檻。另外，由于本發(fā)明針對(duì)每一地 理位置在不同的預(yù)測(cè)時(shí)間區(qū)間下均建立相應(yīng)的預(yù)測(cè)模型，從而可以更好地反映本地區(qū)的氣 候特點(diǎn)，相對(duì)于現(xiàn)有技術(shù)的大氣環(huán)流模型有著更好的區(qū)域適應(yīng)性，為確定精確度較高的AQI 提供有力保證。
[0018] 本發(fā)明附加的方面和優(yōu)點(diǎn)將在下面的描述中部分給出，這些將從下面的描述中變 得明顯，或通過(guò)本發(fā)明的實(shí)踐了解到。
【附圖說(shuō)明】
[0019] 本發(fā)明上述的和/或附加的方面和優(yōu)點(diǎn)從下面結(jié)合附圖對(duì)實(shí)施例的描述中將變 得明顯和容易理解，其中：
[0020] 圖1為本發(fā)明中的預(yù)測(cè)空氣質(zhì)量指數(shù)的方法的一個(gè)實(shí)施例的流程示意圖；
[0021] 圖2為本發(fā)明中預(yù)測(cè)空氣質(zhì)量指數(shù)的方法一個(gè)優(yōu)選實(shí)施例的流程示意圖；
[0022] 圖3為本發(fā)明中的預(yù)測(cè)空氣質(zhì)量指數(shù)一個(gè)具體實(shí)施例的流程示意圖；
[0023] 圖4為本發(fā)明中預(yù)測(cè)空氣質(zhì)量指數(shù)的裝置一個(gè)實(shí)施例的結(jié)構(gòu)示意圖；
[0024] 圖5為本發(fā)明中預(yù)測(cè)空氣質(zhì)量指數(shù)的裝置一個(gè)優(yōu)選實(shí)施例的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0025] 下面詳細(xì)描述本發(fā)明的實(shí)施例，所述實(shí)施例的示例在附圖中示出，其中自始至終 相同或類似的標(biāo)號(hào)表示相同或類似的元件或具有相同或類似功能的元件。下面通過(guò)參考附 圖描述的實(shí)施例是示例性的，僅用于解釋本發(fā)明，而不能解釋為對(duì)本發(fā)明的限制。
[0026] 本技術(shù)領(lǐng)域技術(shù)人員可以理解，除非特意聲明，這里使用的單數(shù)形式"一"、"一 個(gè)"、"所述"和"該"也可包括復(fù)數(shù)形式。應(yīng)該進(jìn)一步理解的是，本發(fā)明的說(shuō)明書中使用的措 辭"包括"是指存在所述特征、整數(shù)、步驟、操作、元件和/或組件，但是并不排除存在或添加 一個(gè)或多個(gè)其他特征、整數(shù)、步驟、操作、元件、組件和/或它們的組。應(yīng)該理解，當(dāng)我們稱元 件被"連接"或"耦接"到另一元件時(shí)，它可以直接連接或耦接到其他元件，或者也可以存在 中間元件。此外，這里使用的"連接"或"耦接"可以包括無(wú)線連接或無(wú)線耦接。這里使用 的措辭"和/或"包括一個(gè)或更多個(gè)相關(guān)聯(lián)的列出項(xiàng)的全部或任一單元和全部組合。
[0027] 本技術(shù)領(lǐng)域技術(shù)人員可以理解，除非另外定義，這里使用的所有術(shù)語(yǔ)（包括技術(shù) 術(shù)語(yǔ)和科學(xué)術(shù)語(yǔ)），具有與本發(fā)明所屬領(lǐng)域中的普通技術(shù)人員的一般理解相同的意義。還應(yīng) 該理解的是，諸如通用字典中定義的那些術(shù)語(yǔ)，應(yīng)該被理解為具有與現(xiàn)有技術(shù)的上下文中 的意義一致的意義，并且除非像這里一樣被特定定義，否則不會(huì)用理想化或過(guò)于正式的含 義來(lái)解釋。
[0028] 在上下文中所稱"計(jì)算機(jī)設(shè)備"，也稱為"電腦"，是指可以通過(guò)運(yùn)行預(yù)定程序或指 令來(lái)執(zhí)行數(shù)值計(jì)算和/或邏輯計(jì)算等預(yù)定處理過(guò)程的智能電子設(shè)備，其可以包括處理器 與存儲(chǔ)器，由處理器執(zhí)行在存儲(chǔ)器中預(yù)存的存續(xù)指令來(lái)執(zhí)行預(yù)定處理過(guò)程，或是由ASIC、 FPGA、DSP等硬件執(zhí)行預(yù)定處理過(guò)程，或是由上述二者組合來(lái)實(shí)現(xiàn)。計(jì)算機(jī)設(shè)備包括但不限 于服務(wù)器、個(gè)人電腦、筆記本電腦、平板電腦、智能手機(jī)等。
[0029] 所述計(jì)算機(jī)設(shè)備包括用戶設(shè)備與網(wǎng)絡(luò)設(shè)備。其中，所述用戶設(shè)備包括但不限于電 腦、智能手機(jī)、PDA等；所述網(wǎng)絡(luò)設(shè)備包括但不限于單個(gè)網(wǎng)絡(luò)服務(wù)器、多個(gè)網(wǎng)絡(luò)服務(wù)器組成 的服務(wù)器組或基于云計(jì)算（Cloud Computing)的由大量計(jì)算機(jī)或網(wǎng)絡(luò)服務(wù)器構(gòu)成的云，其 中，云計(jì)算是分布式計(jì)算的一種，由一群松散耦合的計(jì)算機(jī)集組成的一個(gè)超級(jí)虛擬計(jì)算機(jī)。 其中，所述計(jì)算機(jī)設(shè)備可單獨(dú)運(yùn)行來(lái)實(shí)現(xiàn)本發(fā)明，也可接入網(wǎng)絡(luò)并通過(guò)與網(wǎng)絡(luò)中的其他計(jì) 算機(jī)設(shè)備的交互操作來(lái)實(shí)現(xiàn)本發(fā)明。其中，所述計(jì)算機(jī)設(shè)備所處的網(wǎng)絡(luò)包括但不限于互聯(lián) 網(wǎng)、廣域網(wǎng)、城域網(wǎng)、局域網(wǎng)、VPN網(wǎng)絡(luò)等。
[0030] 所述人工神經(jīng)網(wǎng)絡(luò)是一種應(yīng)用類似于大腦神經(jīng)突觸聯(lián)接的結(jié)構(gòu)進(jìn)行信息處理的 數(shù)學(xué)模型，在工程與學(xué)術(shù)界也常直接簡(jiǎn)稱為神經(jīng)網(wǎng)絡(luò)或類神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)是一種 運(yùn)算模型，由大量的節(jié)點(diǎn)，或稱神經(jīng)元，之間相互連接構(gòu)成。每個(gè)節(jié)點(diǎn)代表一種特定的輸出 函數(shù)，稱為激勵(lì)函數(shù)（activation function)。每?jī)蓚€(gè)節(jié)點(diǎn)間的連接都代表一個(gè)對(duì)于通過(guò)該 連接信號(hào)的加權(quán)值，稱之為權(quán)重，相當(dāng)于人工神經(jīng)網(wǎng)絡(luò)的記憶。人工神經(jīng)網(wǎng)絡(luò)的輸出則基于 人工神經(jīng)網(wǎng)絡(luò)的連接方式、節(jié)點(diǎn)間權(quán)重和激勵(lì)函數(shù)的不同而不同。而人工神經(jīng)網(wǎng)絡(luò)自身通 常都是對(duì)自然界某種算法或者函數(shù)的逼近，也可能是對(duì)一種邏輯策略的表達(dá)。
[0031] 圖1為本發(fā)明中的預(yù)測(cè)空氣質(zhì)量指數(shù)的方法的一個(gè)實(shí)施例的流程示意圖。
[0032] 本方法由計(jì)算機(jī)設(shè)備執(zhí)行；在步驟S110中，計(jì)算機(jī)設(shè)備根據(jù)待預(yù)測(cè)地理位置及當(dāng) 前時(shí)間，獲取相應(yīng)的預(yù)測(cè)模型；在步驟S120中，獲取待預(yù)測(cè)地理位置的氣象數(shù)據(jù)；在步驟 S130中，根據(jù)氣象數(shù)據(jù)，并基于預(yù)測(cè)模型進(jìn)行運(yùn)算處理，確定待預(yù)測(cè)地理位置在待預(yù)測(cè)時(shí)間 的空氣質(zhì)量指數(shù)。
[0033] 本發(fā)明的實(shí)施例中，可針對(duì)每一地理