復(fù)雜環(huán)境下城市區(qū)域空氣污染濃度實(shí)時(shí)監(jiān)測研究

王琰 楊倩倩 陳帥

摘要：為提升空氣污染濃度實(shí)時(shí)監(jiān)測效果，研究復(fù)雜環(huán)境下城市區(qū)域空氣污染濃度實(shí)時(shí)監(jiān)測方法。將H城市采集到的數(shù)據(jù)進(jìn)行歸一化處理，通過CAA算法剔除冗余和無效數(shù)據(jù)，引入深度卷積神經(jīng)網(wǎng)絡(luò)，構(gòu)建空氣污染濃度預(yù)測方法，對比預(yù)測數(shù)據(jù)與宴時(shí)監(jiān)測數(shù)據(jù)，誤差超過閾值，則再次采集宴時(shí)監(jiān)測數(shù)據(jù)，實(shí)現(xiàn)復(fù)雜環(huán)境下城市區(qū)域空氣污染濃度宴時(shí)監(jiān)測。實(shí)驗(yàn)測試證明：H城市冬季污染物濃度取值最高，夏季最低，在工業(yè)區(qū)域和生活區(qū)域均是上午和傍晚的污染物濃度偏高。

關(guān)鍵詞：復(fù)雜環(huán)境；城市區(qū)域；空氣污染濃度；實(shí)時(shí)監(jiān)測

中圖分類號：X831 文獻(xiàn)標(biāo)志碼：B

前言

空氣污染是環(huán)境治理中一個(gè)難以解決的問題，空氣中污染物濃度影響人體健康。隨著空氣污染問題日益突出，空氣污染形成的危害也越來越大，空氣污染濃度實(shí)時(shí)監(jiān)測十分重要。相關(guān)學(xué)者提出了采用Prophet模型預(yù)測空氣污染物濃度，實(shí)現(xiàn)污染物監(jiān)測，還有學(xué)者提出以LSTM-FC為基礎(chǔ)的大氣污染物濃度預(yù)測模型，也有學(xué)者引入了深度卷積神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)，預(yù)測NOx濃度，實(shí)現(xiàn)污染物濃度監(jiān)測，但是上述方法均存在監(jiān)測效果不佳的問題。為此，提出一種復(fù)雜環(huán)境下城市區(qū)域空氣污染濃度實(shí)時(shí)監(jiān)測方法，經(jīng)實(shí)驗(yàn)測試，有效驗(yàn)證了所提方法的優(yōu)越性和有效性。

1復(fù)雜環(huán)境下城市區(qū)域空氣污染濃度實(shí)時(shí)監(jiān)測方法

復(fù)雜環(huán)境下空氣污染濃度監(jiān)測是利用空氣中的有害物質(zhì)預(yù)防污染事件。因此，文章引入了歸一化算法、CCA算法和深度卷積神經(jīng)網(wǎng)絡(luò)算法，構(gòu)建空氣污染濃度預(yù)測方法，結(jié)合歷史空氣污染濃度，對比兩者誤差，誤差較大則再次采集空氣污染濃度數(shù)據(jù)，實(shí)現(xiàn)監(jiān)測。首選，歸一化處理t時(shí)刻空氣污染濃度數(shù)據(jù)x，公式為式（1）：