基于后向气团轨迹的大气污染特征时序分析研究

关键词：后向轨迹气团；大气污染；时间序列；特征分析

中图分类号：X513 文献标志码：B

前言

目前，针对大气污染时序分析主要有两种研究方向，分别为污染源扩散路径模拟以及气团轨迹路径模拟两种。其中，污染源扩散路径模拟指的是通过对研究区域进行网格划分，并结合不同区域内的污染颗粒浓度，从而实现污染源定位。并根据不同网格内污染物密度分布情况，模拟出污染源的扩散路径。该方法虽然能够有效实现扩散路径数值模拟，但是由于缺乏对沉降因素的考虑，导致分析效果不佳。例如，刘威杰等人以春节期间的大气监测数据作为研究对象，通过结合网格划分法，对不同区域内的大气污染颗粒浓度进行了计算，从而提取出大气污染特征。党莹等人通过对比两种城市的污染源扩散路径，从而分析出大气污染特征，并提出对应的空气质量改善措施。而气团轨迹路径模拟方法指的是通过构建轨迹分析模型，对后向气团轨迹的影响情况进行量化分析，在此基础上实现污染物颗粒扩散路径的预测。该方法不仅有效结合了大气运动特征，同时也考虑到颗粒物的沉降效果，因此在分析效果上更占优势。为此，文章提出基于后向气团轨迹的大气污染特征时序分析研究，对大气污染时间序列监测数据进行清洗和归一化处理，引入权重因子来修正污染源轨迹，构建大气污染特征时序分析模型。

1基于后向气团轨迹的大气污染特征时序分析研究

1.1大气污染物浓度数据相关性分析

在对大气污染浓度数据进行采集的过程中，通常会因采集环境或采集手段等因素，导致数据集存在监测指标缺失的情况，从而影响数据集的质量。因此针对大气污染物浓度时间序列数据，文章通过对其进行数据归一化以及缺失值填充处理，在此基础上结合皮尔逊相关系数法，对数据相关性进行分析。

1.2基于后向气团轨迹的大气污染物潜在源分析

后向气团轨迹是指气团在上空中实际移动路径，可以对大气污染物的移动路线进行表征。通过结合后向气团轨迹的聚类分析结果，可以对大气污染物颗粒的潜在源进行分析。为捕捉气团轨迹，文章首先针对研究区域进行网格划分。通过将研究区域分为i×j个网格，每个网格均代表不同的经纬度，由此可以对气团轨迹的移动位置进行有效表征。后向气团轨迹区域网格划分示意图见图1。

根据上述时间序列分析模型整体分析流程可以看出，文章所设计的模型首先会结合多站点污染物数据以及历史气象数据进行提取，并针对原始数据集进行预处理，其中包括数据集编码处理、数据集缺失值填充处理以及数据标准化处理等。然后通过对时间序列数据的局部趋势特征以及空间特征进行提取，从而实现序列时空特征的有效提取。最后通过结合污染源的预测定位结果以及后向气团轨迹的分析情况，实现大气污染特征的有效分析，从而输出气团的移动预测路线。

通过上述步骤即可完成对于大气污染特征时间序列分析模型的构建，通过提取局部趋势特征以及空间特征，对大气污染特征时间序列进行预测。至此，基于后向气团轨迹的大气污染特征时序分析方法设计完成。

2实验论证

为了证明文章提出的基于后向气团轨迹的大气污染特征时序分析方法在实际分析效果方面优于常规的大气污染特征时序分析方法，在理论部分的设计完成后，构建实验环节，对文章方法的实际分析效果进行检验。

2.1实验说明

为验证文章提出的基于后向气团轨迹的大气污染特征时序分析方法在实际分析效果方面的优越性，此次实验选取了两组常规的大气污染特征时序分析方法作为对比对象，分别为基于深度学习的大气污染特征时序分析方法，以及基于神经网络的大气污染特征时序分析方法。通过构建实验平台，采用三种时序分析方法对同一个大气污染物轨迹模型进行分析，对比不同方法的实际分析效果。

2.2实验准备

此次实验选取的研究区域位于某省市中心城区120 km，属于重点气象规划地区。该区域属于温带大陆性气候，降水年际变化明显，总体区域面积为24.5×10⁴ km²。为获取实验数据集，此次实验针对研究区域设定了多处大气质量监测站。针对风速、风险、气温、湿度等多项气象变量监测数据进行统计，部分实验数据见表1。

为保证实验结果的可靠性，此次实验结合大气质量的监测数据，对研究区域的后向气团轨迹进行模拟。采用三种大气污染时序特征分析方法进行分析，待分析结果后，记录不同方法下的污染源定位结果，对比不同方法的污染源定位精度。

2.3时序分析性能对比结果

此次对比实验选取的对比指标为不同分析方法的分析效果，具体衡量指标为大气污染源区域的定位效果，定位误差越低，代表方法的分析效果越好，具体实验结果见图3。

通过上述实验结果可以看出，随着迭代次数的不断提高，不同算法的分析性能也在形成收敛。通过数值上的对比可以明显看出，文章提出的基于后向气团轨迹的大气污染特征时序分析方法的分析效果明显更好，大气污染源定位精度较高。

3结束语

文章针对常规的大气污染特征时序分析方法在分析效果方面较差的问题，通过结合后向气团轨迹数据，提出了一种新型的分析方法。预处理大气污染时间序列监测数据，将研究区域划分为网格，基于权重修正后的污染源轨迹，计算不同污染物在各个网格内的权重浓度值，结合计算结果，构建大气污染特征时序分析模型，考虑到污染物之间的关联性以及地理位置的影响，从而更准确地描绘大气污染的时空分布规律。结合了数据关联性计算、权重修正和时序分析模型构建，使得大气污染监测数据处理更加精细化和准确化。通过引入皮尔逊相关系数方法和权重因子修正，有望提高模型预测的精准度和质量，从而促进大气环境监测与治理领域的创新发展。