复杂环境下城市区域空气污染浓度实时监测研究

王琰 杨倩倩 陈帅

摘要：为提升空气污染浓度实时监测效果，研究复杂环境下城市区域空气污染浓度实时监测方法。将H城市采集到的数据进行归一化处理，通过CAA算法剔除冗余和无效数据，引入深度卷积神经网络，构建空气污染浓度预测方法，对比预测数据与宴时监测数据，误差超过阈值，则再次采集宴时监测数据，实现复杂环境下城市区域空气污染浓度宴时监测。实验测试证明：H城市冬季污染物浓度取值最高，夏季最低，在工业区域和生活区域均是上午和傍晚的污染物浓度偏高。

关键词：复杂环境；城市区域；空气污染浓度；实时监测

中图分类号：X831 文献标志码：B

前言

空气污染是环境治理中一个难以解决的问题，空气中污染物浓度影响人体健康。随着空气污染问题日益突出，空气污染形成的危害也越来越大，空气污染浓度实时监测十分重要。相关学者提出了采用Prophet模型预测空气污染物浓度，实现污染物监测，还有学者提出以LSTM-FC为基础的大气污染物浓度预测模型，也有学者引入了深度卷积神经网络和支持向量机，预测NOx浓度，实现污染物浓度监测，但是上述方法均存在监测效果不佳的问题。为此，提出一种复杂环境下城市区域空气污染浓度实时监测方法，经实验测试，有效验证了所提方法的优越性和有效性。

1复杂环境下城市区域空气污染浓度实时监测方法

复杂环境下空气污染浓度监测是利用空气中的有害物质预防污染事件。因此，文章引入了归一化算法、CCA算法和深度卷积神经网络算法，构建空气污染浓度预测方法，结合历史空气污染浓度，对比两者误差，误差较大则再次采集空气污染浓度数据，实现监测。首选，归一化处理t时刻空气污染浓度数据x，公式为式（1）：