基于随机森林的气象空间归一化方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115840793A(43)申请公布日2023.03.24(21)申请号202211591261.6(22)申请日2022.12.12(71)申请人四川大学地址610065四川省成都市一环路南一段24号(72)发明人詹宇朱瑢昕吴秦慧姿(74)专利代理机构成都鱼爪智云知识产权代理有限公司51308专利代理师李健华(51)Int.Cl.G06F16/29(2019.01)G06N5/01(2023.01)G06N20/20(2019.01)G06Q10/04(2023.01)G06Q50/26(2012.01)权利要求书2页说明书8页附图3页(54)发明名称基于随机森林的气象空间归一化方法及系统(57)摘要本发明公开了一种基于随机森林的气象空间归一化方法及系统，涉及空气质量评估技术领域。该方法包括：获取多个目标城市的气象条件及大气污染物浓度数据；为每个目标城市构建一个随机森林模型；将该城市自变量数据集中的气象数据依次替换为其他各城市的气象数据；将各组替换后的自变量数据集输入已构建的随机森林模型中，得到多组大气污染物浓度预测值；计算每组浓度预测值相对于观测值的变化率，比较评估各个城市的空气污染气象扩散条件，即相对变化率越大，表明其气象扩散条件越优。本发明可用于评估多个城市在归一化气象条件和真实气象条件下大气污染物浓度的差异，有助于对比评估不同城市气象扩散条件的优劣。CN115840793ACN115840793A权利要求书1/2页1.一种基于随机森林的气象空间归一化方法，其特征在于，包括以下步骤：获取多个目标城市的气象条件及大气污染物浓度数据；将时间指示变量和每个目标城市的气象变量作为自变量，大气污染物浓度作为因变量，为每个城市构建一个随机森林模型；针对各目标城市，将其自变量数据集中的气象数据依次替换为其他城市的气象数据，得到多组替换后的自变量数据集；分别将各目标城市替换后的自变量数据集，输入到相应城市的随机森林模型中，得到多组大气污染物浓度预测值；计算大气污染物浓度全部预测值的平均值，即气象空间归一化结果，并计算其相对于观测值的变化率，根据相对变化率评估比较各个城市的空气污染气象扩散条件，即相对变化率越大，表明空气污染气象扩散条件越优；XV＝(APP‑APT)/APT其中，XV为大气污染物浓度的气象空间归一化预测值相对于观测值的变化率，APP为大气污染物浓度的气象空间归一化预测值，APT为大气污染物浓度的观测值。2.根据权利要求1所述的一种基于随机森林的气象空间归一化方法，其特征在于，所述针对各目标城市，将其自变量数据集中的气象数据依次替换为其他城市的气象数据，得到多组替换后的自变量数据集，包括以下步骤：针对各目标城市，依次将该城市自变量数据集中的气象数据替换为其他各城市的气象数据，得到该目标城市的多组替换后的自变量数据集。3.根据权利要求1所述的一种基于随机森林的气象空间归一化方法，其特征在于，所述目标城市的随机森林模型的表达式为：Y＝f(W1,W2,…,Wm，T1,T2,…,Tn)其中，Y为该城市的大气污染物(如NO2)浓度，W1,W2,…Wm为气象自变量，T1,T2,…Tn为时间指示变量。4.根据权利要求1所述的一种基于随机森林的气象空间归一化方法，其特征在于，所述自变量包括气象变量和时间指示变量等。5.一种基于随机森林的气象空间归一化系统，其特征在于，包括数据获取模块、模型构建模块、数据替换模块、预测分析模块以及评估模块，其中：数据获取模块，用于获取多个目标城市的气象条件及大气污染物浓度数据；模型构建模块，用于将时间指示变量和每个目标城市的气象变量作为自变量，大气污染物浓度作为因变量，为每个城市构建一个随机森林模型；数据替换模块，用于针对各目标城市，将其自变量数据集中的气象数据依次替换为其他城市的气象数据，得到多组替换后的自变量数据集；预测分析模块，用于分别将各目标城市替换后的自变量数据集，输入到相应城市的随机森林模型中，得到多组大气污染物浓度预测值；评估模块，用于计算大气污染物浓度全部预测值的平均值，即气象空间归一化预测值，并计算其相对于观测值的变化率，根据相对变化率评估比较各个城市的大气污染物的空气污染扩散气象条件(即相对变化率越大，表明空气污染扩散气象条件越优)；XV＝(APP‑APT)/APT2CN115840793A权利要求书2/2页其中，XV为大气污染物浓度的气象空间归一化预测值相对于观测值的变化率，APP为大气污染物浓度的气象空间归一化预测值，APT为大气污染物浓度观测值。3CN115840793A说明书1/8页基于随机森林的气象空间归一化方法及系统技术领域[0001]本发明涉及空气质量评估技术领域，具体而言，涉及一种基于随机森林的气象空间归一化