基于大数据的大气监测研究.docx

??

?

??

基于大数据的大气监测研究

?

??

?

?

?

?

?

?

?

???

?

?

?

?

?

曾羽琚

摘要：该文针对在大气环境监测中大数据应用情况和存在的问题，分析了大数据应用的基本原理和当前现状，同时提出了优化控制的方法策略，为后续大数据应用于大气监测深化研究提供依据。

关键词：大气环境监测；大数据；PM2.5

中图分类号：TP311文献标识码：A文章编号：1009-3044（2018）07-0015-02

当前我国已经进入物联网新时代，每时每刻每行每业都会不断产生着海量的各类数据。无法在一定时间范围内用常规软件工具进行捕捉、管理和处理这些数据集合。因此，通过新处理模式研发各种大量基础和应用软件的，使得数据计算与数据处理更加完善和丰富，同时在数据信息的储存、运算等功能得到加强。为了具有更强的决策力、洞察发现力和流程优化能力来处理这些海量、高增长率和多样化的信息资源。大数据解析技术在实践生活中的使用，能够充分提高信息采集、数据计算、实际模拟以及各类数据识别等数据操作性工作的效率，能够极大提高环境保护工作的质量和效率。那么根据实际工作环境监测中应用大数据解析技术为例，来分析大数据应用的得与失[1]。

1大数据技术在PM2.5大气监测中原理及现实情况

当前，全国性大范围长时间的大气PM2.5污染问题，给大众的生活和健康带来重大威胁。空气监测网不健全，覆盖范围不全面，密度低，追踪预警能力低。从全国范围来看，平时常规使用连续自动监测法下的β射线法和震荡天平法对PM2.5进行测量。但是，每个城市无法在多个区域建设大气自动监测站，以便连续稳定获取数据。所以在时间点上的获取的数据就缺乏完整性和代表性。那么解决这个困境的最佳方法就是，加大对大数据解析能力的研究，找出优化控制的方法策略[3]。常见的方法策略主要是：数据采集功能、统计计算、随机过程分析、系统模拟与参数识别等功能。也就是通过解析多元和非线性数据类之间的关系，掌握目标函数的变化规律[4]，为控制PM2.5污染提供数据参考。

具体来说，大数据分析技术应用于PM2.5的难点主要是需要处理复杂数据类的关联关系。同时还需要在数据分析过程中对问题进行条理化和简化处理。因此根据以上原则，我们主要做了如下工作：

1）在应用大数据解析技术时，需要有明确科研对象与科研内容。本次研究确定研究对象为湖南省长沙市雨花区，以城市局部地区分布的PM2.5平均浓度作为研究内容。

2）将目标区域按照一定的标准进行网格划分，本次研究划分为500m×500m。因此雨花区这个研究对象可以表达为M=（m1，m2，…，mi，…，mn），其中每个mi均代表一个范围0.25km2的地点；而研究内容表達为D=（Dm1，Dm2，…，Dmi，…，Dmn），其中，Dmi表示为mi网格的PM2.5浓度。最终研究内容，通过大数据解析技术应用控制的目标函数，即可表示为：D（Mi）。

3）可将目标函数按照PM2.5监测的实际情况分化：一种是PM2.5自动监[本文来自于Www.zZ-new.Com]测站网格和另外一种是非PM2.5自动监测站网格，非PM2.5自动监测站网格数据是大数据解析技术需要解决的目标数据[5]。大气环境监测中应用的大数据解析技术，能够将各种数据充分融合，能够提高数据处理效率。

2大数据技术在PM2.5大气监测中主要关键点

湖南省长沙市雨花区每日进行的大气PM2.5监测，首先要解决和完善的问题就是：获取正确的数据类及选择适应特征量。对于数据类的要求是需要获得与目标函数一定相关性的数据类，以便更加精确掌握未设置PM2.5自动监测站网络的环境现状。该数据类与目标函数的关联性不定可以简洁也可以复杂，同时数据类的内部的相关性即各个不同数据类之间可强也可弱。与大气PM2.5监测相关的数据类主要包括：历史PM2.5浓度数据；历史的气压数据；网格内部道路现状数据；网格内与空气污染有关的数据，工厂排放数据、加油站挥发数据、餐饮业排放数据、公园树木净化能力等数据[5]。

目标函数主要是受到数据类的影响，特征量与目标函数呈现正相关。这就需要从复杂数据类中提取有益特征量，以方便更加快速获取数据类。例如，当需要获取清晨5时，目标内网格PM2.5小时平均浓度。当前已知数据是监测点内每两小时的网格PM2.5浓度数据，所以我们需要将之前监测点内PM2.5每两小时平均浓度作为特征量；在明确了所需要的特征量后，通过公式结合已知数据类可以获取目标函数的值，即目标数据类。

这里的计算公式为：

[M（f+I）j=Mfj+V（f+I）j]

[V（f+1）j=ht*Vf+bc*qd*Pdxj-Xij+bc2*rd*（MGdxj-Xfj）]

其中，j=1，2，……d；bc和bc2为加速参数，都是非负常数，本文选定为3；qd为介于[0，1