CN112651553A - 一种城市大气污染预警监管和决策分析的方法 - Google Patents
一种城市大气污染预警监管和决策分析的方法 Download PDFInfo
- Publication number
- CN112651553A CN112651553A CN202011547320.0A CN202011547320A CN112651553A CN 112651553 A CN112651553 A CN 112651553A CN 202011547320 A CN202011547320 A CN 202011547320A CN 112651553 A CN112651553 A CN 112651553A
- Authority
- CN
- China
- Prior art keywords
- data
- air quality
- analysis
- early warning
- wind speed
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 72
- 238000012544 monitoring process Methods 0.000 claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 38
- 230000001364 causal effect Effects 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 21
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 20
- 231100000719 pollutant Toxicity 0.000 claims abstract description 19
- 238000011160 research Methods 0.000 claims abstract description 8
- 230000008878 coupling Effects 0.000 claims abstract description 7
- 238000010168 coupling process Methods 0.000 claims abstract description 7
- 238000005859 coupling reaction Methods 0.000 claims abstract description 7
- 230000001360 synchronised effect Effects 0.000 claims abstract description 4
- 238000004140 cleaning Methods 0.000 claims abstract description 3
- 230000008859 change Effects 0.000 claims description 28
- 230000007613 environmental effect Effects 0.000 claims description 25
- 230000001932 seasonal effect Effects 0.000 claims description 16
- 238000012360 testing method Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 238000012357 Gap analysis Methods 0.000 claims description 3
- 230000002457 bidirectional effect Effects 0.000 claims description 3
- 238000013079 data visualisation Methods 0.000 claims description 3
- 230000033228 biological regulation Effects 0.000 claims description 2
- 210000001503 joint Anatomy 0.000 claims description 2
- 230000003068 static effect Effects 0.000 claims description 2
- 238000007726 management method Methods 0.000 description 52
- 238000012806 monitoring device Methods 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000002265 prevention Effects 0.000 description 4
- 238000012800 visualization Methods 0.000 description 4
- 238000003915 air pollution Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 239000000809 air pollutant Substances 0.000 description 2
- 231100001243 air pollutant Toxicity 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 101100295776 Drosophila melanogaster onecut gene Proteins 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 206010035148 Plague Diseases 0.000 description 1
- 238000003326 Quality management system Methods 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000002912 waste gas Substances 0.000 description 1
Images
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种城市大气污染预警监管和决策分析的方法，其中，包括：采集数据；将采集的数据存入临时表；对数据进行处理，判断数据时效性及数据是否完整，对数据进行清洗，检查数据一致性，处理无效值和缺失值；将处理的数据存入对应的主题库,通过前置数据库同步规范，进行多种来源的数据的统一管理；在主题库中提取数据；利用格兰杰因果关系法，对空气质量随季节变化的趋势、空气质量和所对应的风速条件之间的关联关系进行分析；通过大气环境历史监测数据进行污染物排放与空气质量的耦合分析；基于对企业各类信息的汇聚和分析研究，构建企业的画像体系，进行企业画像分析。
Description
技术领域
本发明涉及大气污染防治技术，特别涉及一种城市大气污染预警监管和决策分析的方法。
背景技术
随着排污许可证制度的全面深入贯彻、流域河长制管理体制机制的逐步扎实推进，地方政府大气、水环境质量达标管理与企业污染排放控制能力程度、专业水平被提升到全新的高度和目标要求。但是，目前国内企业环保管理水平粗放、薄弱和环保部门环境质量管理低效是导致上述环境问题产生的关键所在。环境管理能力低效、手段工具匮乏、专业化水平薄弱等一系列弊端成为困扰地方政府和排污企业最为棘手的难题和痛点。新的“环保法”已明确要求城市政府实施环境空气质量的精细化管理，要求城市环保管理部门急需要改变传统的、粗放式的管理模式，利用大数据、“互联网+”的信息化技术支持，实现环境质量管理的专业化、科学化和效率化，确保辖区空气质量稳定达标。
应对当前环保新形势下的空气质量专业化、精细化管理要求，要突破传统空气质量管理模式，改变以往粗放式、一刀切式的管理方式，形成体系化、灵活性、有效性的日常管理辅助工具，帮助地方城市政府履行环保法、大气污染防治法所要求的空气质量管理专业化、精细化管理要求。
互联网+、大数据背景下的空气质量管理信息挖掘与诊断识别，与时俱进，利用当前互联网+、物联网、大数据、云处理等技术优势，实现海量空气质量及相关监测数据的处理、分析与挖掘，重点实现空气质量的超标诊断与原因分析。
集数据处理、分析、决策于一体的空气质量精细化管理工具，将环境质量管理的时间尺度细化至日，并能准确地识别污染的重点污染物、重点区域、重点时段以及污染原因，可有效地辅助管理科学决策，提高管理决策质量。
迅速提升环保管理队伍人员环境质量管理效率和能力水平，从数据的获取、管理、分析、决策以及报表的生成均实现了智能化，避免重复工作，节省专业人员的工作量，极大地提高管理和分析水平。
中国专利CN102393761提供了一种环境监测系统,其包括一个控制中心和若干个环境监测设备，每个环境监测设备置于不同的位置，各自监测当前水位，当其中一个监测到当前水位逼近警戒水位时，抬升自身高度并通知其他设备，其他设备接到通知后也抬升自身高度，抬升完后发送确认信息，未发送确认信息的设备被视为出现故障并上报给控制中心。如此，当地面上发生水灾时，各环境监测设备可及时抬升高度，从而避免因被水淹没而无法正常工作的情况，且只需其中一个监测到水位危险即可通知其他设备共同抬升高度，同时还可以通过信息交互检测设备是否出现故障。
中国专利CN108446807，一种基于重污染天气预警的固定污染源大气污染物排放总量控制方法和系统，通过对重污染区域与周边区域固定污染源排污状况进行关联分析，建立大气污染物排放浓度模型进行模拟分析，从而调整固定污染源的工况。
中国专利CN 108802296，提供了一种大气环境监测预警方法及系统，其中，包括：收集大气环境要素数据，并对所述大气环境要素数据进行处理得到数据处理结果；实时对所述数据处理结果进行监控；对所述数据处理结果进行图形构建，以及对构建的图形进行显示与分析；对各类大气环境要素数据设置相应的报警阈值；根据实时监控的情况以及构建的图形，对达到所述报警阈值的数据进行报警显示。
中国专利CN108446807基于重污染天气预警的大气污染物排放总量控制方法，仅限于描述采集样本的装置、数据传输方式等，未提及针对监测数据的可视化处理技术，特别是针对大气环境监测的可视化处理技术。
中国专利CN108802296，一种大气环境监测预警方法及系统提供了将数据处理结果进行图形构建，并对图形进行显示和分析的方法，但此方法仅采集监测站测得的数据进行分析和图形构建，并且仅对大气环境污染进行检测，没有对污染源以及污染排放源头进行实时监控无法进行突变预警，没有对污染成因进行分析，无法为环境治理领导层提供相应的决策依据。
发明内容
本发明的目的在于提供一种城市大气污染预警监管和决策分析的方法，用于解决上述现有技术的问题。
本发明一种城市大气污染预警监管和决策分析的方法，其中，包括：采集数据；将采集的数据存入临时表；对数据进行处理，判断数据时效性及数据是否完整，对数据进行清洗，检查数据一致性，处理无效值和缺失值；将处理的数据存入对应的主题库,通过前置数据库同步规范，进行多种来源的数据的统一管理；在主题库中提取数据；利用格兰杰因果关系法，对空气质量随季节变化的趋势、空气质量和所对应的风速条件之间的关联关系进行分析；通过大气环境历史监测数据进行污染物排放与空气质量的耦合分析；基于对企业各类信息的汇聚和分析研究，构建企业的画像体系，进行企业画像分析。
根据本发明所述的城市大气污染预警监管和决策分析的方法的一实施例，其中，通过环保局、监测站以及气象局业务应用系统采集数据。
根据本发明所述的城市大气污染预警监管和决策分析的方法的一实施例，其中，采集的数据包括空气质量数据、最新气象数据、年考核目标差距分析数据、全省各城市空气质量数据、污染源信息数据、污染源监测点视频监控数据、在线指标监测数据以及污染源视频监控数据。
根据本发明所述的城市大气污染预警监管和决策分析的方法的一实施例，其中，利用格兰杰因果关系分析算法，结合空气质量六项污染物监测指标数据及气象数据，实现空气质量随季节变化的趋势、空气质量和所对应的风向条件之间的关联关系进行分析，得出空气质量季节变化特征、空气质量及空间分布特征与风向条件的相关性，分析对空气质量变化影响较大的影响因素，并分析其可能的影响程度，为改善空气质量提供数据支撑。
根据本发明所述的城市大气污染预警监管和决策分析的方法的一实施例，其中，格兰杰因果关系检验假设有关y和x每一变量的预测的信息全部包含在这些变量的时间序列之中，检验需估计以下回归，在此回归中，将参数y设定为历年平均空气质量，将参数x设定为风速或季节变化，其中采用0-1表示该年的季节：
其中参数u1t和u2t假定为不相关，α及β为回归系数，u为误差项，t为时间序列长度，公式(1)假定当前y与y自身以及x的过去值有关，而公式(2)对x也假定了类似的行为，对式(1)而言，其零假设H0：α1＝α2＝…＝αq＝0。对式(2)而言，其零假设H0：δ1＝δ2＝…＝δs＝0。
根据本发明所述的城市大气污染预警监管和决策分析的方法的一实施例，其中，采用格兰杰算法分析空气质量随季节及风速条件变化分四种情形讨论：
a.x即风速条件或季节变化是引起y即空气质量变化的原因，即存在由x到y的单向因果关系，若式(1)中滞后的x的系数估计值在统计上整体的显著不为零，同时式(2)中滞后的y的系数估计值在统计上整体的显著为零，则称x是引起y变化的原因；
b.x即风速条件或季节变化和y即空气质量是独立的，或x与y 间不存在因果关系；若式(1)中滞后的x的系数估计值在统计上整体的显著为零，同时式(2)中滞后的y的系数估计值在统计上整体的显著为零，则称x和y间不存在因果关系；
c.y即空气质量是引起x即风速条件或季节变化的原因，即存在由y到x的单向因果关系；若式(2)中滞后的y的系数估计值在统计上整体的显著不为零，同时式(1)中滞后的x的系数估计值在统计上整体的显著为零，则称y是引起x变化的原因；
d.x即风速条件或季节变化和y即空气质量互为因果关系，即存在由x到y的单向因果关系，同时也存在由y到x的单向因果关系；若式(1)中滞后的x的系数估计值在统计上整体的显著不为零，同时式(2)中滞后的y的系数估计值在统计上整体的显著不为零，则称x和y间存在反馈关系，或者双向因果关系。
以a与b分析空气质量随季节及风速条件变化，其中若a为真则代表风速条件或季节变化是引起空气质量变化的原因；若b为真，则表示空气质量的变化与风速条件或季节变化无关。
根据本发明所述的城市大气污染预警监管和决策分析的方法的一实施例，其中，进行企业画像分析包括：
基于对企业各类信息的汇聚和分析研究，初步构建企业的画像体系，从多个维度进行多项指标的评价体系建立，根据区域进行企业各类数据的接入分析，定量刻画企业，分析企业存在的各类问题，并能进行标签识别，通过与执法系统进行对接，为专项行动或企业重点整治工作提供分析依据，基于企业画像可形成区域的污染源企业管理分析评判。
根据本发明所述的城市大气污染预警监管和决策分析的方法的一实施例，其中，还包括：进行数据可视化动态展示。
根据本发明所述的城市大气污染预警监管和决策分析的方法的一实施例，其中，对数据进行处理包括依据静态数据、动态数据、AQI 以及SO2种类数据，对数据进行分类。
本发明突破传统空气质量管理模式，改变以往粗放式、一刀切式的管理方式，形成体系化、灵活性、有效性的管理辅助工具，帮助地方城市政府履行环保法、大气污染防治法所要求的空气质量管理专业化、精细化管理要求。
附图说明
图1为本发明主流程图；
图2是本发明系统架构图；
图3是本发明业务流程图。
具体实施方式
为使本发明的目的、内容、和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。
图1是本发明技术方案的主流程图，如图1所示，本发明提出的方法包括下列步骤：
(1)通过环保局、监测站、气象局等相关政府部门业务应用系统采集数据；
(2)将采集的数据存入临时表；
(3)判断数据是否完整；
(4)对相应数据进行处理；
(5)将采集的数据存入对应的主题库,；
(6)通过前置数据库同步规范，实现多种来源的数据的统一管理；
(7)对主题库中的数据进行分析；
(8)利用格兰杰因果关系法，对空气质量随季节变化的趋势、空气质量和所对应的风向条件之间的关联关系进行分析；
(9)通过大气环境历史监测等数据进行污染物排放与空气质量的耦合分析；
(10)基于对企业各类信息的汇聚和分析研究，初步构建企业的画像体系，进行企业画像分析；
(11)数据可视化动态展示；
采集的数据主要包括空气质量数据、最新气象数据、年考核目标差距分析数据、全省各城市空气质量数据、污染源信息数据、污染源监测点视频监控数据、在线指标监测数据、污染源视频监控数据等。
通过此类数据以动态图表的形式直观的展示城市、及各站点的 AQI、各项污染物浓度现状及气象情况；达到今日空气质量优或者良的目标时各污染物浓度分别的剩余控制量；市对省年度考核目标的完成情况；当日AQI排名和首要污染物情况；可按照污染类型以及污染源名称对污染源进行查询；可对污染源进行实时监控；提供各类废气、大气环境监控预警机制。
图2是本发明系统架构图，依托已建基础设施资源和已有的服务平台能力，面向城市决策者、管理者、业务人员和运维人员等，在城市综合治理、态势监测、联动指挥、预警分析四大领域进行创新应用建设。系统可接入Hadoop、Hive大数据平台及其他JDBC数据源、第三方Webservice、Http、Socket等接口数据、文本类数据、视频类数据语音类数据等各种形式的数据资源，并提供“事联网”引擎、人工智能引擎、运营管理平台、多维可视化平台、多媒体融合通信平台、物联感知平台等各种服务能力，支撑上层应用。
图3是本发明业务流程图，主要以服务于城市大气环境质量日常管理为宗旨，从大气环境质量现状分析、空气质量管理绩效评估、污染成因深度诊断、污染源排放状况智能研判和实时监控预警等业务流程进行平台设计，全面、精确指导城市环保部门进行空气质量精细化、科学化管理。其功能包括大气环境质量全景展示、污染企业排放智能监管以及大气环境质量监控预警三大板块。
大气环境质量全景展示主要体现全市空气质量实况及总体形势，包括：查看城市、及各站点的AQI、各项污染物浓度现状及气象数据；实时展示全市及各国控监测站点的AQI值和SO2、NO2、PM10、PM2.5、 CO、O3_1h、O3_8h等各项空气污染物浓度值；对空气质量随季节及风向条件的变化、监测站点空气质量的关联关系以及污染物排放与空气质量耦合关系进行分析。
污染企业智能监管依托重点污染源在线监控系统，整合数据、融合污染排放异常与造假智能分析模型，为环境执法提供智能预警、智能研判等服务，并应用于环境污染溯源分析。
城市大气污染预警监管和决策分析的方法具体包括：
1.前置数据库同步规范
通过ETL工具Kettle建立数据库连接，使用Kettle进行简单的全量对比插入更新：Kettle会自动对比用户设置的对比字段，若目标不存在该字段，则新插入该条记录。若存在，则更新。
通过datax工具实现数据库的增量更新，支持包括MySQL、Oracle、 HDFS、Hive等各种异构数据源之间高效的数据同步功能。
2.分析空气质量随季节及风向条件变化
利用格兰杰因果关系分析算法，结合空气质量六项污染物监测指标数据及气象数据，实现空气质量随季节变化的趋势、空气质量和所对应的风向条件之间的关联关系进行分析，得出空气质量季节变化特征、空气质量及空间分布特征与风向条件的相关性，分析对空气质量变化影响较大的影响因素，并分析其可能的影响程度，为改善空气质量提供数据支撑。
格兰杰因果关系检验假设了有关y和x每一变量的预测的信息全部包含在这些变量的时间序列之中。检验需估计以下的回归：
其中参数u1t和u2t假定为不相关。公式(1)假定当前y与y自身以及x的过去值有关，而公式(2)对x也假定了类似的行为。对式(1) 而言，其零假设H0：α1＝α2＝…＝αq＝0。对式(2)而言，其零假设 H0：δ1＝δ2＝…＝δs＝0。
(1)分四种情形讨论：
a.x是引起y变化的原因，即存在由x到y的单向因果关系。若式(1) 中滞后的x的系数估计值在统计上整体的显著不为零，同时式(2)中滞后的y的系数估计值在统计上整体的显著为零，则称x是引起y变化的原因。
b.y是引起x变化的原因，即存在由y到x的单向因果关系。若式(2) 中滞后的y的系数估计值在统计上整体的显著不为零，同时式(1)中滞后的x的系数估计值在统计上整体的显著为零，则称y是引起x变化的原因。
c.x和y互为因果关系，即存在由x到y的单向因果关系，同时也存在由y到x的单向因果关系。若式(1)中滞后的x的系数估计值在统计上整体的显著不为零，同时式(2)中滞后的y的系数估计值在统计上整体的显著不为零，则称x和y间存在反馈关系，或者双向因果关系。
d.x和y是独立的，或x与y间不存在因果关系。若式(1)中滞后的x的系数估计值在统计上整体的显著为零，同时式(2)中滞后的y 的系数估计值在统计上整体的显著为零，则称x和y间不存在因果关系。
(2)格兰杰因果关系检验的步骤：
a.将当前的y对所有的滞后项y以及别的什么变量(如果有的话) 做回归，即y对y的滞后项yt-1，yt-2，…，yt-q及其他变量的回归，但在这一回归中没有把滞后项x包括进来，这是一个受约束的回归。然后从此回归得到受约束的残差平方和RSSR；
b.做一个含有滞后项x的回归，即在前面的回归式中加进滞后项 x，这是一个无约束的回归，由此回归得到无约束的残差平方和RSSUR；
c.零假设是H0：α1＝α2＝…＝αq＝0，即滞后项x不属于此回归；
d.为了检验此假设，用F检验，即：
它遵循自由度为q和(n-k)的F分布。在这里，n是样本容量，q等于滞后项y的个数，即有约束回归方程中待估参数的个数，k是无约束回归中待估参数的个数；
e.如果在选定的显著性水平α上计算的F值超过临界值Fα，则拒绝零假设，这样滞后x项就属于此回归，表明x是y的原因；
f.同样，为了检验y是否是x的原因，将变量y与x相互替换，重复步骤(1)-(5)。
3.污染物排放与空气质量耦合分析
通过对大气环境历史监测及管理数据、不同污染物浓度、污染源变化情况、污染源源清单及地形、气象等数据进行耦合分析，建立大气污染物排放主体和环境受体的相应关系，分析污染源排放对大气环境变化的影响和相关性，为改善空气环境质量提供依据。
4.污染源企业画像分析
基于对企业各类信息的汇聚和分析研究，初步构建企业的画像体系，从多个维度进行多项指标的评价体系建立，根据区域进行企业各类数据的接入分析，定量刻画企业，分析企业存在的各类问题，并能进行标签识别，通过与执法系统进行对接，为专项行动或企业重点整治工作提供分析依据。同时基于企业画像可形成区域的污染源企业管理分析评判，为实现污染源企业精准化管理提供有效支持。
本发明与时俱进，利用当前互联网+、物联网、大数据、云处理等技术优势，实现海量空气质量及相关监测数据的处理、分析与挖掘，重点实现空气质量的超标诊断与原因分析。将环境质量管理的时间尺度细化至日，并能准确地识别污染的重点污染物、重点区域、重点时段以及污染原因，可有效地辅助管理科学决策，提高管理决策质量。从数据的获取、管理、分析、决策以及报表的生成均实现了智能化、可视化，避免重复工作，节省专业人员的工作量，极大地提高管理和分析水平。
第一、提升大气污染源排放管控能力和技术水平。要彻底改善环境质量，需从源头治理，深刻理解并掌握监管对象，在收集完善的大气污染源信息之后，可以深入研究大气污染源排放清单，及时了解准确的大气污染物排放信息，从而为大气污染源监管提供技术支持。
第二、有助于搞清大气污染成因。利用系统全面整合大气管理相关数据，制定有效政策措施的需要。评估大气污染控制措施的有效性、制定大气污染相关政策提供技术支持。智慧管控平台的建设，还能形成污染源及空气质量数据积累的长效机制，有利于通过数据分析发现区域污染源及空气质量的演变趋势，为环保参与经济社会决策提供机制。
第三、有助于评估大气污染措施执行效果。各部门积极反馈管控措施落实情况，结合智慧管控平台对我市空气质量改善情况进行内因和外因的评估，确认外部因素和人为减排对空气质量改善的贡献，评估大气污染措施执行情况，指导下一阶段的大气污染防治计划。
本技术方案将互联网技术与环境空气质量监测及关联信息有机结合，将空气质量要素、排放及相关感应层面的监测数据经过批量运算，按照环境质量精细化管理模式要求，进行数据分析与统计，并将所得结果数据进行可视化处理，用于指导城市政府准确评估与诊断空气质量状况和超标污染的趋势和原因，明确空气质量管理绩效，识别污染源超标排放状况，提供空气质量预测预警，提供重污染应急管控建议方案，为实现全方位式空气质量专业化、精细化管理提供决策支持工具，全面解决空气质量日常管理与中远期达标规划管理缺乏技术手段和管理粗放的问题，实现“科学治污和精准治污”的目标。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (9)
1.一种城市大气污染预警监管和决策分析的方法，其特征在于，包括：
采集数据；
将采集的数据存入临时表；
对数据进行处理，判断数据时效性及数据是否完整，对数据进行清洗，检查数据一致性，处理无效值和缺失值；
将处理的数据存入对应的主题库,通过前置数据库同步规范，进行多种来源的数据的统一管理；
在主题库中提取数据；
利用格兰杰因果关系法，对空气质量随季节变化的趋势、空气质量和所对应的风速条件之间的关联关系进行分析；
通过大气环境历史监测数据进行污染物排放与空气质量的耦合分析；
基于对企业各类信息的汇聚和分析研究，构建企业的画像体系，进行企业画像分析。
2.如权利要求1所述的城市大气污染预警监管和决策分析的方法，其特征在于，通过环保局、监测站以及气象局业务应用系统采集数据。
3.如权利要求1所述的城市大气污染预警监管和决策分析的方法，其特征在于，采集的数据包括空气质量数据、最新气象数据、年考核目标差距分析数据、全省各城市空气质量数据、污染源信息数据、污染源监测点视频监控数据、在线指标监测数据以及污染源视频监控数据。
4.如权利要求1所述的城市大气污染预警监管和决策分析的方法，其特征在于，利用格兰杰因果关系分析算法，结合空气质量六项污染物监测指标数据及气象数据，实现空气质量随季节变化的趋势、空气质量和所对应的风向条件之间的关联关系进行分析，得出空气质量季节变化特征、空气质量及空间分布特征与风向条件的相关性，分析对空气质量变化影响较大的影响因素，并分析其可能的影响程度，为改善空气质量提供数据支撑。
5.如权利要求4所述的城市大气污染预警监管和决策分析的方法，其特征在于，
格兰杰因果关系检验假设有关y和x每一变量的预测的信息全部包含在这些变量的时间序列之中，检验需估计以下回归，在此回归中，将参数y设定为历年平均空气质量，将参数x设定为风速或季节变化，其中采用0-1表示该年的季节：
其中参数u1t和u2t假定为不相关，α及β为回归系数，u为误差项，t为时间序列长度，公式(1)假定当前y与y自身以及x的过去值有关，而公式(2)对x也假定了类似的行为，对式(1)而言，其零假设H0：α1＝α2＝…＝αq＝0。对式(2)而言，其零假设H0：δ1＝δ2＝…＝δs＝0。
6.如权利要求5所述的城市大气污染预警监管和决策分析的方法，其特征在于，采用格兰杰算法分析空气质量随季节及风速条件变化分四种情形讨论：
a.x即风速条件或季节变化是引起y即空气质量变化的原因，即存在由x到y的单向因果关系，若式(1)中滞后的x的系数估计值在统计上整体的显著不为零，同时式(2)中滞后的y的系数估计值在统计上整体的显著为零，则称x是引起y变化的原因；
b.x即风速条件或季节变化和y即空气质量是独立的，或x与y间不存在因果关系；若式(1)中滞后的x的系数估计值在统计上整体的显著为零，同时式(2)中滞后的y的系数估计值在统计上整体的显著为零，则称x和y间不存在因果关系；
c.y即空气质量是引起x即风速条件或季节变化的原因，即存在由y到x的单向因果关系；若式(2)中滞后的y的系数估计值在统计上整体的显著不为零，同时式(1)中滞后的x的系数估计值在统计上整体的显著为零，则称y是引起x变化的原因；
d.x即风速条件或季节变化和y即空气质量互为因果关系，即存在由x到y的单向因果关系，同时也存在由y到x的单向因果关系；若式(1)中滞后的x的系数估计值在统计上整体的显著不为零，同时式(2)中滞后的y的系数估计值在统计上整体的显著不为零，则称x和y间存在反馈关系，或者双向因果关系。
以a与b分析空气质量随季节及风速条件变化，其中若a为真则代表风速条件或季节变化是引起空气质量变化的原因；若b为真，则表示空气质量的变化与风速条件或季节变化无关。
7.如权利要求1所述的城市大气污染预警监管和决策分析的方法，其特征在于，进行企业画像分析包括：
基于对企业各类信息的汇聚和分析研究，初步构建企业的画像体系，从多个维度进行多项指标的评价体系建立，根据区域进行企业各类数据的接入分析，定量刻画企业，分析企业存在的各类问题，并能进行标签识别，通过与执法系统进行对接，为专项行动或企业重点整治工作提供分析依据，基于企业画像可形成区域的污染源企业管理分析评判。
8.如权利要求1所述的城市大气污染预警监管和决策分析的方法，其特征在于，还包括：进行数据可视化动态展示。
9.如权利要求1所述的城市大气污染预警监管和决策分析的方法，其特征在于，对数据进行处理包括依据静态数据、动态数据、AQI以及SO2种类数据，对数据进行分类。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011547320.0A CN112651553A (zh) | 2020-12-24 | 2020-12-24 | 一种城市大气污染预警监管和决策分析的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011547320.0A CN112651553A (zh) | 2020-12-24 | 2020-12-24 | 一种城市大气污染预警监管和决策分析的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112651553A true CN112651553A (zh) | 2021-04-13 |
Family
ID=75359901
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011547320.0A Pending CN112651553A (zh) | 2020-12-24 | 2020-12-24 | 一种城市大气污染预警监管和决策分析的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112651553A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113159731A (zh) * | 2021-05-12 | 2021-07-23 | 河南雪城软件有限公司 | 污染源自动监控数据智能分析系统及方法 |
| CN113240170A (zh) * | 2021-05-10 | 2021-08-10 | 中国地质大学（武汉） | 一种基于季节性循环神经网络的空气质量预测方法 |
| CN113706834A (zh) * | 2021-08-25 | 2021-11-26 | 广德绿巨人环境管理咨询有限公司 | 超标违排报警的实时推送提醒系统及其推送方法 |
| CN115171362A (zh) * | 2022-09-07 | 2022-10-11 | 江西珉轩智能科技有限公司 | 一种面向重点区域防控的预警方法及系统 |
| CN115293567A (zh) * | 2022-08-03 | 2022-11-04 | 四川省生态环境科学研究院 | 一种大气污染动态管控系统及方法 |
| CN116589078A (zh) * | 2023-07-19 | 2023-08-15 | 莒县环境监测站 | 基于数据融合的污水处理智能控制方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104657788A (zh) * | 2015-02-04 | 2015-05-27 | 国家电网公司 | 基于行业景气指数的重点行业用电量预测方法 |
| CN109165246A (zh) * | 2018-09-30 | 2019-01-08 | 北京工业大学 | 一种挖掘大气污染传播路径的方法 |
| CN109190709A (zh) * | 2018-09-12 | 2019-01-11 | 北京工业大学 | 一种针对大气污染物浓度预测的选择特征的方法 |
| CN109492830A (zh) * | 2018-12-17 | 2019-03-19 | 杭州电子科技大学 | 一种基于时空深度学习的移动污染源排放浓度预测方法 |
| CN110705855A (zh) * | 2019-09-23 | 2020-01-17 | 清华苏州环境创新研究院 | 一种企业环境画像评价方法及系统 |
| CN110852601A (zh) * | 2019-11-07 | 2020-02-28 | 佛山市南海区环境技术中心 | 一种用于环境监察执法决策的大数据应用方法及系统 |
| CN111126696A (zh) * | 2019-12-24 | 2020-05-08 | 东南大学 | 一种计及多影响因素的电量预测方法 |
-
2020
- 2020-12-24 CN CN202011547320.0A patent/CN112651553A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104657788A (zh) * | 2015-02-04 | 2015-05-27 | 国家电网公司 | 基于行业景气指数的重点行业用电量预测方法 |
| CN109190709A (zh) * | 2018-09-12 | 2019-01-11 | 北京工业大学 | 一种针对大气污染物浓度预测的选择特征的方法 |
| CN109165246A (zh) * | 2018-09-30 | 2019-01-08 | 北京工业大学 | 一种挖掘大气污染传播路径的方法 |
| CN109492830A (zh) * | 2018-12-17 | 2019-03-19 | 杭州电子科技大学 | 一种基于时空深度学习的移动污染源排放浓度预测方法 |
| CN110705855A (zh) * | 2019-09-23 | 2020-01-17 | 清华苏州环境创新研究院 | 一种企业环境画像评价方法及系统 |
| CN110852601A (zh) * | 2019-11-07 | 2020-02-28 | 佛山市南海区环境技术中心 | 一种用于环境监察执法决策的大数据应用方法及系统 |
| CN111126696A (zh) * | 2019-12-24 | 2020-05-08 | 东南大学 | 一种计及多影响因素的电量预测方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113240170A (zh) * | 2021-05-10 | 2021-08-10 | 中国地质大学（武汉） | 一种基于季节性循环神经网络的空气质量预测方法 |
| CN113159731A (zh) * | 2021-05-12 | 2021-07-23 | 河南雪城软件有限公司 | 污染源自动监控数据智能分析系统及方法 |
| CN113706834A (zh) * | 2021-08-25 | 2021-11-26 | 广德绿巨人环境管理咨询有限公司 | 超标违排报警的实时推送提醒系统及其推送方法 |
| CN115293567A (zh) * | 2022-08-03 | 2022-11-04 | 四川省生态环境科学研究院 | 一种大气污染动态管控系统及方法 |
| CN115171362A (zh) * | 2022-09-07 | 2022-10-11 | 江西珉轩智能科技有限公司 | 一种面向重点区域防控的预警方法及系统 |
| CN116589078A (zh) * | 2023-07-19 | 2023-08-15 | 莒县环境监测站 | 基于数据融合的污水处理智能控制方法及系统 |
| CN116589078B (zh) * | 2023-07-19 | 2023-09-26 | 莒县环境监测站 | 基于数据融合的污水处理智能控制方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112651553A (zh) | 一种城市大气污染预警监管和决策分析的方法 | |
| CN112085241B (zh) | 一种基于机器学习的环境大数据分析和决策平台 | |
| CN103116825B (zh) | 智慧城市管理系统 | |
| CN106017556A (zh) | 桥梁安全运营监测与管理系统 | |
| CN112785458A (zh) | 一种桥梁健康大数据智能管养系统 | |
| CN105760989A (zh) | 一种经济运行数据监测地理信息系统 | |
| CN112418737A (zh) | 一种区域水环境管理平台 | |
| CN111639885A (zh) | 一种农污管理系统及管理方法 | |
| CN112446549A (zh) | 基于大数据的城市垃圾智慧监管平台 | |
| CN105046392A (zh) | 一种ic卡排污总量监控系统 | |
| CN113554052A (zh) | 一种城市空气质量评估诊断系统 | |
| CN111310803B (zh) | 环境数据处理方法和装置 | |
| CN102545381A (zh) | 一种电网设备技术监督数据分析中心系统 | |
| CN115994187A (zh) | 基于分布式协作的隐患链路式全周期安全管理方法及系统 | |
| CN116467366A (zh) | 一种基于区块链的碳足迹监测分析与评估系统 | |
| CN106442921A (zh) | 一种污染物扩散跟踪方法 | |
| CN113869589A (zh) | 一种基于知识图谱的输电线路事故预测方法及巡检系统 | |
| CN110033102A (zh) | 一种巨型水电厂具有学习功能的智能诊断方法及专家系统 | |
| CN116485606B (zh) | 排水户、管网、泵站、污水厂、河道的智慧水务管理平台 | |
| CN113487098A (zh) | 一种大气污染预警信息表达及展示方法 | |
| CN116681281A (zh) | 一种基于情景感知的突发公共卫生事件采集系统及方法 | |
| Chung et al. | Information extraction methodology by web scraping for smart cities | |
| CN111652585A (zh) | 一种基于大数据算法的人才测评系统 | |
| Christodoulou et al. | Integrated GIS-based management of water distribution networks | |
| Asadollahfardi et al. | Air pollution study using factor analysis and univariate Box-Jenkins modeling for the northwest of Tehran |
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 |