1.一种PM2.5和臭氧污染协同防控的预测方法,其特征在于,包括以下步骤:
获取PM2.5数据序列和臭氧数据序列;根据PM2.5数据序列和臭氧数据序列,确定PM2.5数据序列和臭氧数据序列对应的数据变化特征值;
根据PM2.5数据序列和臭氧数据序列对应的数据变化特征值、臭氧数据序列中的最大浓度值和最小浓度值、PM2.5数据序列和臭氧数据序列之间的相关性,对预设初始滤波窗口尺寸进行修正,确定臭氧数据序列的第一滤波窗口尺寸;
根据臭氧数据序列中的各个臭氧数据的浓度值、各个臭氧数据的预设数据区间对应的数据变化特征值,确定各个臭氧数据的噪声影响程度;
根据预设调节参数、各个臭氧数据的噪声影响程度、预设数据区间对应的数据变化特征值以及臭氧数据序列对应的数据变化特征值,对第一滤波窗口尺寸进行修正,确定各个臭氧数据的最优滤波窗口尺寸;
根据各个臭氧数据的最优滤波窗口尺寸,对臭氧数据序列进行滤波处理获得滤波处理后的臭氧数据序列;根据PM2.5数据序列和滤波处理后的臭氧数据序列利用预测模型,确定PM2.5和臭氧的预测结果。
2.根据权利要求1所述的一种PM2.5和臭氧污染协同防控的预测方法,其特征在于,所述根据PM2.5数据序列和臭氧数据序列,确定PM2.5数据序列和臭氧数据序列对应的数据变化特征值,包括:将PM2.5数据序列或臭氧数据序列作为目标气体数据序列,确定目标气体数据序列的标准差和均值,将标准差和均值的比值作为第一变化特征因子;
根据目标气体数据序列中的每个气体数据计算相邻气体数据对应的斜率,获得各个斜率;根据各个斜率确定相邻斜率之间的差异,获得各个斜率差异,将所有斜率差异的平均值作为第二变化特征因子;
结合第一变化特征因子和第二变化特征因子,获得目标气体数据序列对应的数据变化特征值。
3.根据权利要求1所述的一种PM2.5和臭氧污染协同防控的预测方法,其特征在于,所属根据PM2.5数据序列和臭氧数据序列对应的数据变化特征值、臭氧数据序列中的最大浓度值和最小浓度值、PM2.5数据序列和臭氧数据序列之间的相关性,对预设初始滤波窗口尺寸进行修正,确定臭氧数据序列的第一滤波窗口尺寸,包括:确定PM2.5数据序列对应的数据变化特征值与臭氧数据序列对应的数据变化特征值之间的差异,将两个数据变化特征值之间的差异作为第一权值;
获取臭氧数据序列中的最大浓度值和最小浓度值,计算所述最大浓度值和最小浓度值之间的差值,将最大浓度值和最小浓度值之间的差值作为第二权值;
根据PM2.5数据序列和臭氧数据序列确定皮尔逊系数,将所述皮尔逊系数的绝对值的反比例值作为第三权值;
结合第一权值、第二权值和第三权值获得初始窗口尺寸权值,对所述初始窗口尺寸权值与预设初始滤波窗口尺寸的乘积进行向上取整,将向上取整后的数值作为臭氧数据序列的第一滤波窗口尺寸。
4.根据权利要求3所述的一种PM2.5和臭氧污染协同防控的预测方法,其特征在于,所述结合第一权值、第二权值和第三权值获得初始窗口尺寸权值,包括:计算第一权值、第二权值和第三权值的乘积,对第一权值、第二权值和第三权值的乘积进行归一化处理,获得归一化后的数值,将所述归一化后的数值作为初始窗口尺寸权值。
5.根据权利要求1所述的一种PM2.5和臭氧污染协同防控的预测方法,其特征在于,所述根据臭氧数据序列中的各个臭氧数据的浓度值、各个臭氧数据的预设数据区间对应的数据变化特征值,确定各个臭氧数据的噪声影响程度,包括:将任意一个臭氧数据作为目标臭氧数据,确定臭氧数据序列中与目标臭氧数据的浓度值相同的浓度值个数,对所述浓度值个数进行取反操作,获得浓度值个数的反比例值,将所述浓度值个数的反比例值作为第一噪声影响因子;
确定各个臭氧数据的预设数据区间,根据目标臭氧数据的预设数据区间对应的数据变化特征值以及其前一个、后一个臭氧数据的预设数据区间对应的数据变化特征值,确定第二噪声影响因子;
计算臭氧数据序列对应的浓度值均值,将目标臭氧数据的浓度值与所述臭氧数据序列对应的浓度值均值之间的差异,作为第三噪声影响因子;
融合第一噪声影响因子、第二噪声影响因子和第三噪声影响因子,确定目标臭氧数据的噪声影响程度。
6.根据权利要求5所述的一种PM2.5和臭氧污染协同防控的预测方法,其特征在于,所述根据目标臭氧数据的预设数据区间对应的数据变化特征值以及其前一个、后一个臭氧数据的预设数据区间对应的数据变化特征值,确定第二噪声影响因子,包括:计算目标臭氧数据的前一个臭氧数据和后一个臭氧数据的预设数据区间对应的数据变化特征值的平均值,将目标臭氧数据的预设数据区间对应的数据变化特征值与所述数据变化特征值的平均值之间的差异作为第二噪声影响因子。
7.根据权利要求6所述的一种PM2.5和臭氧污染协同防控的预测方法,其特征在于,所述臭氧数据的预设数据区间是指与臭氧数据最邻近的预设数目个臭氧数据以及其本身组成的数据区间。
8.根据权利要求1所述的一种PM2.5和臭氧污染协同防控的预测方法,其特征在于,所述根据预设调节参数、各个臭氧数据的噪声影响程度、预设数据区间对应的数据变化特征值以及臭氧数据序列对应的数据变化特征值,对第一滤波窗口尺寸进行修正,确定各个臭氧数据的最优滤波窗口尺寸,包括:确定所有臭氧数据的噪声影响程度的平均值;对于任意一个臭氧数据,确定臭氧数据的噪声影响程度与所有臭氧数据的噪声影响程度的平均值之间的比值为第四权值;
将臭氧数据的预设数据区间对应的数据变化特征值与臭氧数据序列对应的数据变化特征值的比值作为第五权值;
计算第四权值和第五权值的乘积,对第四权值和第五权值的乘积进行归一化处理,获得第四权值和第五权值的乘积的归一化值,确定为最终窗口尺寸权值;
对最终窗口尺寸权值、预设调节参数和第一滤波窗口尺寸的乘积进行向上取整,将向上取整后的数值作为臭氧数据的最优滤波窗口尺寸。
9.根据权利要求1所述的一种PM2.5和臭氧污染协同防控的预测方法,其特征在于,所述根据PM2.5数据序列和滤波处理后的臭氧数据序列利用预测模型,确定PM2.5和臭氧的预测结果,包括:将PM2.5数据序列和滤波处理后的臭氧数据序列作为输入数据,输入到预先构建并训练好的ARIMA预测模型中,获得PM2.5和臭氧的预测结果。
10.一种PM2.5和臭氧污染协同防控的预测系统,其特征在于,包括处理器和存储器,所述处理器用于处理存储在所述存储器中的指令,以实现如权利要求1‑9中任一项所述的一种PM2.5和臭氧污染协同防控的预测方法。