1.本發(fā)明涉及污染物溯源技術(shù)領(lǐng)域，特別是涉及一種基于耦合機(jī)器學(xué)習(xí)和相關(guān)性分析的大氣污染物溯源方法。

背景技術(shù)：

2.隨著我國經(jīng)濟(jì)快速發(fā)展、工業(yè)化和城鎮(zhèn)化進(jìn)程不斷加速、能源消耗增加，出現(xiàn)了一系列的大氣環(huán)境問題。相比于水體、土壤等環(huán)境中的污染物，大氣污染物更具有易擴(kuò)散、易混合、污染路徑不清晰等的特性，會受到排放源、污染過程、氣象條件等影響。其中，排放源是內(nèi)因、氣象條件是外因、污染過程是動因。由于動因和外因主要受到自然客觀規(guī)律的影響，以至于人力難以控制，因此，控制內(nèi)因則是大氣污染防治、環(huán)境管理最有效的方法，其核心就是找準(zhǔn)污染源頭，厘清污染成因，實現(xiàn)靶向治理，提高控制效率。

3.找準(zhǔn)大氣污染源頭可分為兩大類，一是污染溯源，側(cè)重于時空分布上的排放源追溯；二是排放源解析，側(cè)重于排放源成分和行業(yè)解析。大氣精細(xì)化網(wǎng)格體系是環(huán)境空氣質(zhì)量精準(zhǔn)治理及科學(xué)管控的主要手段，應(yīng)用較為廣泛?；诰W(wǎng)格化的環(huán)境專業(yè)統(tǒng)計學(xué)數(shù)據(jù)分析可實現(xiàn)粗略的大氣污染溯源，但響應(yīng)時間較長。因此，研究者們采用基于模型軟件、機(jī)器學(xué)習(xí)算法的大氣污染溯源來提高響應(yīng)時間，但是現(xiàn)有的方法在實現(xiàn)大氣污染溯源時存在著不足，具體表現(xiàn)如下：(1)后向軌跡法：是一種用于計算和分析氣流運動、沉降及擴(kuò)散軌跡的綜合模式系統(tǒng)，其核心是通過三維氣象場中的風(fēng)向、風(fēng)速來計算和描述氣團(tuán)的運動，進(jìn)而通過氣團(tuán)軌跡鎖定污染源位置。但該方法對風(fēng)場數(shù)據(jù)的依賴性較強(qiáng)，且受到多種氣象要素輸入場的局限，目前研究主要集中于短時間尺度的長距離輸送和外來污染源的確定，在應(yīng)對境外污染源、區(qū)域聯(lián)防聯(lián)控治理方面可提供理論借鑒，但在應(yīng)對小尺度的區(qū)域內(nèi)源污染溯源方面暫不適用。(2)概率方法：主要是針對大氣污染物理化學(xué)過程的復(fù)雜性和數(shù)值模式的離散性而發(fā)展一種污染溯源方法，主要原理是將可用的濃度觀測數(shù)據(jù)與先驗信息相結(jié)合，基于大量歷史數(shù)據(jù)分析和挖掘得到的后驗參數(shù)的不確定性及置信區(qū)間。在應(yīng)用時需要有大量的數(shù)據(jù)進(jìn)行支撐，且需要已知污染源的先驗信息，這在大氣應(yīng)急響應(yīng)中是難以實現(xiàn)的。(3)顆粒物來源解析法：通過分析環(huán)境空氣中的顆粒物和污染源樣品的物理化學(xué)特性，定性識別污染源。同時，可結(jié)合數(shù)理統(tǒng)計、數(shù)值模式模擬定量計算污染源貢獻(xiàn)率。但該方法著重解析的是排放源成分和行業(yè)，尚不能獲得地理空間上的污染源鎖定及源貢獻(xiàn)率，因此，該方法難以滿足大氣污染精準(zhǔn)溯源、難以實現(xiàn)大氣污染靶向治理與高效管控的需求。

4.現(xiàn)階段根據(jù)模型進(jìn)行溯源的方式多從邊界條件對污染物擴(kuò)散影響的角度進(jìn)行溯源分析，如風(fēng)向、風(fēng)力等因素，此類模型不具備普適性，無法實現(xiàn)不同區(qū)域場景的快速部署，需要具有一定知識背景的人員進(jìn)行本地化參數(shù)調(diào)整。同時，也沒有考慮污染物傳輸過程中實時數(shù)據(jù)的變化，因此屬于穩(wěn)態(tài)建模，無法根據(jù)時空污染物濃度瞬態(tài)數(shù)據(jù)對模型進(jìn)行動態(tài)響應(yīng)修正；并且現(xiàn)有模型無法有效考慮污染物濃度傳輸過程中的延時效應(yīng)以及污染物事件有效時間窗口不確定的問題。

技術(shù)實現(xiàn)要素：

5.本發(fā)明的目的是提供一種基于耦合機(jī)器學(xué)習(xí)和相關(guān)性分析的大氣污染物溯源方法，根據(jù)區(qū)域網(wǎng)格源時空污染物濃度數(shù)據(jù)，利用耦合機(jī)器學(xué)習(xí)和相關(guān)性分析方法，對污染物傳輸通道和污染源區(qū)域進(jìn)行智能識別。

6.為實現(xiàn)上述目的，本發(fā)明提供一種基于耦合機(jī)器學(xué)習(xí)和相關(guān)性分析的大氣污染物溯源方法，具體包括以下步驟：

7.s1、獲取目標(biāo)區(qū)域內(nèi)每個網(wǎng)格源站點的實時時空數(shù)據(jù)和歷史時空數(shù)據(jù)；

8.s2、根據(jù)所述實時時空數(shù)據(jù)和所述歷史時空數(shù)據(jù)，構(gòu)建數(shù)據(jù)庫；并從所述數(shù)據(jù)庫中提取一段時間內(nèi)的歷史時空數(shù)據(jù)；

9.s3、根據(jù)所述一段時間內(nèi)的歷史時空數(shù)據(jù)，構(gòu)建污染物濃度分布瞬態(tài)模型；

10.s4、利用高斯回歸對所述污染物濃度分布瞬態(tài)模型進(jìn)行特征提取，并對提取的特征進(jìn)行標(biāo)準(zhǔn)化處理；

11.s5、利用機(jī)器學(xué)習(xí)算法構(gòu)建可能污染源選取模型，并將提取的所述一段時間內(nèi)的歷史時空數(shù)據(jù)作為訓(xùn)練集對所述可能污染源選取模型進(jìn)行訓(xùn)練；然后將所述提取的特征輸入到訓(xùn)練完成的可能污染源選取模型中，輸出網(wǎng)格源是否在傳輸路徑上的結(jié)果；

12.s6、將所述實時時空數(shù)據(jù)重復(fù)步驟s3～s4，獲取特征r2，μ，δ，并對所述特征進(jìn)行標(biāo)準(zhǔn)化處理，得到預(yù)處理后的新增數(shù)據(jù)；

13.s7、將所述預(yù)處理后的新增數(shù)據(jù)作為輸入到訓(xùn)練完成的可能污染源選取模型中，輸出網(wǎng)格源是否在傳輸路徑上；并將輸出的結(jié)果增加到所述訓(xùn)練集中對所述可能污染源選取模型進(jìn)行優(yōu)化和不間斷學(xué)習(xí)。

14.優(yōu)選的，所述實時時空數(shù)據(jù)和所述歷史時空數(shù)據(jù)均包括：地理位置信息、各污染物濃度信息、采樣時間和氣象信息。

15.優(yōu)選的，所述s3具體為：

16.從所述歷史時空數(shù)據(jù)中提取各污染物濃度信息，然后以傳輸通道網(wǎng)格源k構(gòu)建的層級樹結(jié)構(gòu)為基礎(chǔ)，并根據(jù)設(shè)定的污染事件得到有效時間窗口i和傳輸響應(yīng)延時j，實時構(gòu)建逐級待比較矩陣和相關(guān)系數(shù)矩陣，即污染物濃度分布瞬態(tài)模型。

17.優(yōu)選的，所述s4具體為：

18.將所述相關(guān)系數(shù)矩陣轉(zhuǎn)換成相關(guān)系數(shù)向量，然后利用高斯回歸對所述相關(guān)系數(shù)向量進(jìn)行特征提取，得到高斯回歸特征值r

2k

、μ

k

，δ

k

。

19.優(yōu)選的，所述可能污染源選取模型的表達(dá)式為：

[0020][0021]

其中，y

k

∈[0,1]，0代表網(wǎng)格源k不在傳輸路徑上，1代表網(wǎng)格源k在傳輸路徑上；f

k

表示可能污染源選取模型，根據(jù)f

k

對每一個站點進(jìn)行分析，記錄y

k

＝1的網(wǎng)格源k。

[0022]

優(yōu)選的，所述機(jī)器學(xué)習(xí)算法包括隨機(jī)森林、決策樹、聚類、貝葉斯分類、支持向量機(jī)、em和adaboost。

[0023]

優(yōu)選的，所述s7具體為：

[0024]

對污染事件發(fā)生時刻和污染事件濃度向量重新賦值，重復(fù)步驟s1～s5，并進(jìn)行逐級標(biāo)記，直至相關(guān)系數(shù)最低，輸出標(biāo)記結(jié)果，即為傳輸通道與可能的污染源區(qū)域，結(jié)束迭代

計算，實現(xiàn)模型不間斷學(xué)習(xí)和優(yōu)化。

[0025]

優(yōu)選的，構(gòu)建所述污染物濃度分布瞬態(tài)模型的方法具體為：

[0026]

步驟1、根據(jù)國家標(biāo)準(zhǔn)設(shè)定污染事件觸發(fā)條件，自動標(biāo)記污染事件發(fā)生時刻t；

[0027]

步驟2、基于所述步驟1，并通過設(shè)定的污染事件有效時間窗口i和傳輸響應(yīng)延時j構(gòu)建污染事件濃度向量x

i

和逐級待比較向量y

i,jk

：

[0028]

步驟3、根據(jù)所述逐級待比較向量y

i,jk

，構(gòu)建逐級待比較矩陣z

i,jk

；

[0029]

步驟4、基于所述逐級待比較矩陣z

i,jk

，構(gòu)建網(wǎng)格源k的相關(guān)系數(shù)矩陣r

i,jk

，即污染物濃度分布瞬態(tài)模型。

[0030]

與現(xiàn)有技術(shù)相比，本發(fā)明具有以下技術(shù)效果：

[0031]

由于現(xiàn)階段溯源模型多為考慮邊界對污染物擴(kuò)散影響的穩(wěn)態(tài)建模，且沒有考慮污染物濃度傳輸過程中的延時效應(yīng)和污染物事件有效時間窗口不確定的問題，以及存在無法不間斷的提升模型穩(wěn)定性、普適性和準(zhǔn)確度的問題，本發(fā)明通過基于區(qū)域網(wǎng)格源時空污染物濃度數(shù)據(jù)的瞬態(tài)建模方式，并結(jié)合高斯回歸和相關(guān)性分析的手段對污染物濃度時空相關(guān)性矩陣進(jìn)行特征提取，解決污染物濃度的延時響應(yīng)和時間窗口不確定的問題，并利用機(jī)器學(xué)的算法實現(xiàn)了模型訓(xùn)練數(shù)據(jù)的不間斷更新，從而保證了溯源算法準(zhǔn)確度的持續(xù)有效提升。

附圖說明

[0032]

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

[0033]

圖1為本發(fā)明方法流程圖。

具體實施方式

[0034]

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的范圍。

[0035]

為使本發(fā)明的上述目的、特征和優(yōu)點能夠更加明顯易懂，下面結(jié)合附圖和具體實施方式對本發(fā)明作進(jìn)一步詳細(xì)的說明。

[0036]

實施例1

[0037]

參照圖1所示，本發(fā)明提出一種基于耦合機(jī)器學(xué)習(xí)和相關(guān)性分析的大氣污染物溯源方法，具體包括以下步驟：

[0038]

s1、獲取目標(biāo)區(qū)域內(nèi)每個網(wǎng)格源站點的實時時空數(shù)據(jù)和歷史時空數(shù)據(jù)；

[0039]

實時時空數(shù)據(jù)和歷史時空數(shù)據(jù)均包括：地理位置信息(經(jīng)度、緯度)、采樣時間、氣象信息(風(fēng)力、風(fēng)向等)、各污染物濃度信息等。

[0040]

s2、根據(jù)實時時空數(shù)據(jù)和所述歷史時空數(shù)據(jù)，構(gòu)建數(shù)據(jù)庫；并從所述數(shù)據(jù)庫中提取一段時間內(nèi)的歷史時空數(shù)據(jù)；

[0041]

s3、基于所述一段時間內(nèi)的歷史時空數(shù)據(jù)，構(gòu)建污染物濃度分布瞬態(tài)模型，提高模型動態(tài)響應(yīng)速度；

[0042]

從所述歷史時空數(shù)據(jù)中提取各污染物濃度信息，然后以傳輸通道網(wǎng)格源k構(gòu)建的層級樹結(jié)構(gòu)為基礎(chǔ)，并根據(jù)設(shè)定的污染事件有效時間窗口i和傳輸響應(yīng)延時j，構(gòu)建逐級待比較矩陣和相關(guān)系數(shù)矩陣，即污染物濃度分布瞬態(tài)模型，具體為：

[0043]

s3.1、根據(jù)國家標(biāo)準(zhǔn)設(shè)定污染事件觸發(fā)條件，自動標(biāo)記污染事件發(fā)生時刻t。

[0044]

s3.2、構(gòu)建污染事件濃度向量x

i

，如式(1)所示：

[0045]

x

i

＝(x

t

，x

t+1

，

…

，x

t+i

)

???

(1)

[0046]

其中，x

t

表示發(fā)生標(biāo)準(zhǔn)事件的網(wǎng)格源在t時刻污染物濃度；i表示設(shè)定的污染物事件有效時間窗口，i∈[3，i]；

[0047][0048]

i表示i的取值上限；運算符表示向上取整；t為污染事件前驅(qū)時長；

△

t為網(wǎng)格源數(shù)據(jù)監(jiān)測周期。

[0049]

s3.3、構(gòu)建逐級待比較向量y

i,jk

，如式(3)

?

(5)所示：

[0050]

y

i,jk

＝(y

t

?

jk

,y

t

?

j+1k

,

…

,y

t

?

j+ik

)

???

(3)

[0051][0052][0053]

其中，y≠x，y

i,jk

表示k站點在t

?

j時刻染物濃度；j表示設(shè)定的污染物傳輸響應(yīng)延時，j∈[1，j]；j表示j的取值上限；v為風(fēng)速；α為風(fēng)向與空間兩點的夾角；d為任意兩個網(wǎng)格源平均距離；m、n∈k，k為網(wǎng)格源總數(shù)；d

m，n

為網(wǎng)格源m和n之間的距離；為從k個網(wǎng)格源中取出任意2個網(wǎng)格源的組合數(shù)。

[0054]

s3.4、根據(jù)逐級待比較向量y

i,jk

，構(gòu)建逐級待比較矩陣z

i,jk

，如式(6)所示：

[0055][0056]

s3.5、基于所述逐級待比較矩陣z

i,jk

，構(gòu)建網(wǎng)格源k的相關(guān)系數(shù)矩陣r

i,jk

，如式(7)所示：

[0057]

[0058][0059]

s4、利用高斯回歸對網(wǎng)格源污染物濃度相關(guān)系數(shù)矩陣進(jìn)行特征提取，并對提取的特征進(jìn)行標(biāo)準(zhǔn)化處理，得到高斯回歸特征值：r

2k

、μ

k

，δ

k

；

[0060]

將相關(guān)系數(shù)矩陣轉(zhuǎn)r

i,jk

換成向量r

rk

；

[0061]

r＝(i

?

2)

·

j

???

(9)

[0062]

再利用高斯回歸對r

rk

進(jìn)行特征提取，得到高斯回歸特征值：r

2k

、μ

k

，δ

k

；r2表示高斯回歸擬合效果，μ表示相關(guān)系數(shù)的平均值，δ表示相關(guān)系數(shù)的方差。

[0063]

s5、利用機(jī)器學(xué)習(xí)算法構(gòu)建可能污染源選取模型，并將提取的所述一段時間內(nèi)的歷史時空數(shù)據(jù)作為訓(xùn)練集對所述可能污染源選取模型進(jìn)行訓(xùn)練；然后將所述提取的特征輸入到訓(xùn)練完成的可能污染源選取模型中，輸出網(wǎng)格源是否在傳輸路徑上的結(jié)果，對污染物傳輸通道和污染源區(qū)域進(jìn)行智能識別，降低人工分析難度，提高模型的普適性；具體為：

[0064]

利用隨機(jī)森林的機(jī)器學(xué)習(xí)算法，結(jié)合污染物濃度分布瞬態(tài)模型f

k

進(jìn)行可能污染源選取模型的建立，如式(10)所示：

[0065][0066]

其中，y

k

∈[0,1]，0代表網(wǎng)格源k不在傳輸路徑上，1代表網(wǎng)格源k在傳輸路徑上；此處采用專業(yè)人士人工標(biāo)注該網(wǎng)格源站點是否在污染傳輸路徑上(0代表網(wǎng)格源不在傳輸路徑上，1代表網(wǎng)格源在傳輸路徑上)。

[0067]

再根據(jù)f

k

對每一個站點進(jìn)行分析，記錄y

k

＝1的網(wǎng)格源k。

[0068]

其中，機(jī)器學(xué)習(xí)算法包括隨機(jī)森林、決策樹、聚類、貝葉斯分類、支持向量機(jī)、em和adaboost等多種機(jī)器學(xué)習(xí)算法沒包括但不限于隨機(jī)森林；利用多種機(jī)器學(xué)習(xí)算法進(jìn)行建模，選出冠軍模型作為可能污染源選取模型；

[0069]

s6、當(dāng)有新的污染途徑網(wǎng)格源(新增數(shù)據(jù))出現(xiàn)后，即實時時空數(shù)據(jù)，然后提取新的地理位置信息：經(jīng)度、緯度；各污染物濃度信息等；采樣時間；氣象信息：風(fēng)力、風(fēng)向等，重復(fù)步驟s3～s4進(jìn)行相關(guān)性動態(tài)分析，獲取特征r2，μ，δ，并對特征進(jìn)行標(biāo)準(zhǔn)化處理，得到預(yù)處理后的新增數(shù)據(jù)；

[0070]

s7、將得到的預(yù)處理后的新增數(shù)據(jù)輸入到所述可能污染源選取模型，得到該網(wǎng)格源是否在傳輸路徑上的結(jié)論；并根據(jù)可能污染源選取模型的應(yīng)用反饋，增加到訓(xùn)練集，實現(xiàn)模型可以根據(jù)新增數(shù)據(jù)不間斷學(xué)習(xí)和優(yōu)化，從而提高判斷精度。

[0071]

根據(jù)公式(11)和(12)重新賦值，循環(huán)步驟s1～s5，并逐級標(biāo)記k

w

，直至相關(guān)系數(shù)r

i,jk

過低，輸出k

w

，即為傳輸通道與可能的污染源區(qū)域，結(jié)束迭代計算，實現(xiàn)模型不間斷學(xué)習(xí)和優(yōu)化。w表示第w次循環(huán)。

[0072]

t＝t

?

j

???

(11)

[0073][0074]

以上所述的實施例僅是對本發(fā)明的優(yōu)選方式進(jìn)行描述，并非對本發(fā)明的范圍進(jìn)行限定，在不脫離本發(fā)明設(shè)計精神的前提下，本領(lǐng)域普通技術(shù)人員對本發(fā)明的技術(shù)方案做出的各種變形和改進(jìn)，均應(yīng)落入本發(fā)明權(quán)利要求書確定的保護(hù)范圍內(nèi)。技術(shù)特征：

1.一種基于耦合機(jī)器學(xué)習(xí)和相關(guān)性分析的大氣污染物溯源方法，其特征在于，具體包括以下步驟：s1、獲取目標(biāo)區(qū)域內(nèi)每個網(wǎng)格源站點的實時時空數(shù)據(jù)和歷史時空數(shù)據(jù)；s2、根據(jù)所述實時時空數(shù)據(jù)和所述歷史時空數(shù)據(jù)，構(gòu)建數(shù)據(jù)庫；并從所述數(shù)據(jù)庫中提取一段時間內(nèi)的歷史時空數(shù)據(jù)；s3、根據(jù)所述一段時間內(nèi)的歷史時空數(shù)據(jù)，構(gòu)建污染物濃度分布瞬態(tài)模型；s4、利用高斯回歸對所述污染物濃度分布瞬態(tài)模型進(jìn)行特征提取，并對提取的特征進(jìn)行標(biāo)準(zhǔn)化處理；s5、利用機(jī)器學(xué)習(xí)算法構(gòu)建可能污染源選取模型，并將提取的所述一段時間內(nèi)的歷史時空數(shù)據(jù)作為訓(xùn)練集對所述可能污染源選取模型進(jìn)行訓(xùn)練；然后將所述提取的特征輸入到訓(xùn)練完成的可能污染源選取模型中，輸出網(wǎng)格源是否在傳輸路徑上的結(jié)果；s6、將所述實時時空數(shù)據(jù)重復(fù)步驟s3～s4，獲取特征r2，μ，δ，并對所述特征進(jìn)行標(biāo)準(zhǔn)化處理，得到預(yù)處理后的新增數(shù)據(jù)；s7、將所述預(yù)處理后的新增數(shù)據(jù)作為輸入到訓(xùn)練完成的可能污染源選取模型中，輸出網(wǎng)格源是否在傳輸路徑上；并將輸出的結(jié)果增加到所述訓(xùn)練集中對所述可能污染源選取模型進(jìn)行優(yōu)化和不間斷學(xué)習(xí)。2.根據(jù)權(quán)利要求1所述的基于耦合機(jī)器學(xué)習(xí)和相關(guān)性分析的大氣污染物溯源方法，其特征在于，所述實時時空數(shù)據(jù)和所述歷史時空數(shù)據(jù)均包括：地理位置信息、各污染物濃度信息、采樣時間和氣象信息。3.根據(jù)權(quán)利要求2所述的基于耦合機(jī)器學(xué)習(xí)和相關(guān)性分析的大氣污染物溯源方法，其特征在于，所述s3具體為：從所述歷史時空數(shù)據(jù)中提取各污染物濃度信息，然后以傳輸通道網(wǎng)格源k構(gòu)建的層級樹結(jié)構(gòu)為基礎(chǔ)，并根據(jù)設(shè)定的污染事件得到有效時間窗口i和傳輸響應(yīng)延時j，實時構(gòu)建逐級待比較矩陣和相關(guān)系數(shù)矩陣，即污染物濃度分布瞬態(tài)模型。4.根據(jù)權(quán)利要求3所述的基于耦合機(jī)器學(xué)習(xí)和相關(guān)性分析的大氣污染物溯源方法，其特征在于，所述s4具體為：將所述相關(guān)系數(shù)矩陣轉(zhuǎn)換成相關(guān)系數(shù)向量，然后利用高斯回歸對所述相關(guān)系數(shù)向量進(jìn)行特征提取，得到高斯回歸特征值r

2k

、μ

k

，δ

k

。5.根據(jù)權(quán)利要求1所述的基于耦合機(jī)器學(xué)習(xí)和相關(guān)性分析的大氣污染物溯源方法，其特征在于，所述可能污染源選取模型的表達(dá)式為：其中，y

k

∈[0,1]，0代表網(wǎng)格源k不在傳輸路徑上，1代表網(wǎng)格源k在傳輸路徑上；f

k

表示可能污染源選取模型，根據(jù)f

k

對每一個站點進(jìn)行分析，記錄y

k

＝1的網(wǎng)格源k。6.根據(jù)權(quán)利要求5所述的基于耦合機(jī)器學(xué)習(xí)和相關(guān)性分析的大氣污染物溯源方法，其特征在于，所述機(jī)器學(xué)習(xí)算法包括隨機(jī)森林、決策樹、聚類、貝葉斯分類、支持向量機(jī)、em和adaboost。7.根據(jù)權(quán)利要求5所述的基于耦合機(jī)器學(xué)習(xí)和相關(guān)性分析的大氣污染物溯源方法，其特征在于，所述s7具體為：

對污染事件發(fā)生時刻和污染事件濃度向量重新賦值，重復(fù)步驟s1～s5，并進(jìn)行逐級標(biāo)記，直至相關(guān)系數(shù)最低，輸出標(biāo)記結(jié)果，即為傳輸通道與可能的污染源區(qū)域，結(jié)束迭代計算，實現(xiàn)模型不間斷學(xué)習(xí)和優(yōu)化。8.根據(jù)權(quán)利要求3所述的基于耦合機(jī)器學(xué)習(xí)和相關(guān)性分析的大氣污染物溯源方法，其特征在于，構(gòu)建所述污染物濃度分布瞬態(tài)模型的方法具體為：步驟1、根據(jù)國家標(biāo)準(zhǔn)設(shè)定污染事件觸發(fā)條件，自動標(biāo)記污染事件發(fā)生時刻t；步驟2、基于所述步驟1，并通過設(shè)定的污染事件有效時間窗口i和傳輸響應(yīng)延時j構(gòu)建污染事件濃度向量x

i

和逐級待比較向量步驟3、根據(jù)所述逐級待比較向量構(gòu)建逐級待比較矩陣步驟4、基于所述逐級待比較矩陣構(gòu)建網(wǎng)格源k的相關(guān)系數(shù)矩陣即污染物濃度分布瞬態(tài)模型。

技術(shù)總結(jié)

本發(fā)明公開了一種基于耦合機(jī)器學(xué)習(xí)和相關(guān)性分析的大氣污染物溯源方法，具體包括以下步驟：利用區(qū)域網(wǎng)格源時空污染物濃度數(shù)據(jù)，建立污染物濃度分布瞬態(tài)模型；利用高斯回歸對網(wǎng)格源污染物濃度相關(guān)系數(shù)矩陣進(jìn)行特征提取，耦合機(jī)器學(xué)習(xí)算法對污染物傳輸通道和污染源區(qū)域進(jìn)行智能識別。本發(fā)明基于區(qū)域網(wǎng)格源時空污染物濃度數(shù)據(jù)的瞬態(tài)建模方式，并結(jié)合高斯回歸和相關(guān)性分析的手段對污染物濃度時空相關(guān)性矩陣進(jìn)行特征提取，解決污染物濃度的延時響應(yīng)和時間窗口不確定的問題，并利用機(jī)器學(xué)的算法實現(xiàn)了模型訓(xùn)練數(shù)據(jù)的不間斷更新，從而保證了溯源算法準(zhǔn)確度的持續(xù)有效提升。溯源算法準(zhǔn)確度的持續(xù)有效提升。溯源算法準(zhǔn)確度的持續(xù)有效提升。

技術(shù)研發(fā)人員：龐繼偉 張栩 郭煒 李麗芬 高敏

受保護(hù)的技術(shù)使用者：中節(jié)能天融科技有限公司

技術(shù)研發(fā)日：2021.08.12

技術(shù)公布日：2021/11/5