[0034] 优选地，所述具有预测作用的多项式预测模型为：
[003引 f(X。&，X3. . .X。）= 0 0又1。+P1又2。+. . . + 00。又1。-1又2. . .Xm;
[0036] 其中，X。X,，X3...Xm分别为边界层参数数据和廓线数据的主分量参数构成的多项 式预测模型的训练输入数据；0。，01... 0。_1，0。分别为多项式预测模型中训练输入数据 的系数；n为模型训练输入参数的个数；m为组合项参数的个数。
[0037] 优选地，根据均方误差和拟合优度对所述多项式模型进行优化具体为：获取模型 预测面积的均方误差的和W及拟合优度之后，利用梯度下降法获取代价函数在最小值时多 项式预测模型中系数的值。
[003引优选地，所述模型预测面积的均方误差的和为
其中，Si为 模型对面积的预测值，Sd为包含等值线的正方形的真实值，n为样本数，i为样本中的 第i个样本；所述拟合优度为：
其中，r2为所建模型对问题 拟合的拟合优度，Si为模型对面积的预测值，5为模型预测面积的平均值，Xi为边界层 参数数据和廓线数据的主分量参数构成的多项式预测模型的训练输入数据；X为Xi的平 均值；所述代价函数为：
其中，0。，01...为多项式预 测模型中训练输入数据的系数，r2为所建模型对问题拟合的拟合优度，SW为第i个样本 的面积真实值，f0(W)为第i个样本的模型对面积的预测值；梯度下降法采用的公式为；
I其中，a为学习率，为多项式预测模型训练输入数据的系数 系数，0。，01...为多项式预测模型中训练输入数据的系数。
[0039] 如上所述，本发明的一种提高大气污染模型预测效率的方法，具有W下有益效 果：
[0040] 1、本发明与大气扩散模型AERMO相结合，提出了优化选取进行网格划分的评测区 域的方法，减少了不必要的网格点的计算消耗，提高了预测效率。
[0041] 2、本发明提出的方法具有可预测性，可根据事故发生前的真实气象数据进行合理 的预测，降低了了W往AERMOD模型选取评测区域的盲目性。
[0042] 3、本发明提出的方法具有较好的适用性，在实际污染扩散事故当中对应急救援能 起到很好的实际场景中参考作用，降低事故中人力物力的浪费。
【附图说明】
[0043] 图1显示为本发明的一种提高大气污染模型预测效率的方法的流程示意图。
[0044] 图2显示为本发明的一种提高大气污染模型预测效率的方法中原始大气扩散模 型AERMOD模型的原理图。
[0045] 图3显示为本发明的一种提高大气污染模型预测效率的方法中选取新的评测区 域的示意图。
[0046] 图4显示为本发明的一种提高大气污染模型预测效率的方法对原始AERMOD模型 进行优化的算法流程图。
【具体实施方式】
[0047]W下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书 所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可W通过另外不同的具体实 施方式加W实施或应用，本说明书中的各项细节也可W基于不同观点与应用，在没有背离 本发明的精神下进行各种修饰或改变。
[0048]本发明的目的在于提供一种提高大气污染模型预测效率的方法，用于解决现有技 术中、大气污染模型计算量大而且预测效率低的问题。W下将详细描述本发明的一种提高 大气污染模型预测效率的方法的原理和实施方式，使本领域技术人员不需要创造性劳动即 可理解本发明的一种提高大气污染模型预测效率的方法。
[0049]本发明在于提出一种选取较为接近实际情况切包含实际事故影响范围的评测区 域的方法，在此评测区域上进行网格划分，减少实际未被事故影响区域中网格点的计算，提 高模型的预测效率。
[0化0] 具体地，在本实施例中，如图1所示，本实施例提供一种提高大气污染模型预测效 率的方法，应用于通过大气污染模型评测污染区域的过程中，所述方法包括W下步骤。
[0化1 ] 步骤S11，对原始气象数据进行预处理获取边界层参数数据和廓线数据，根据所述 边界层参数数据、所述廓线数据、污染源参数W及地形数据获取大气污染模型内各个预测 网格点的污染浓度值，根据所述污染浓度值获取关注污染物浓度的等值线并根据所述等值 线获取污染影响面积。在本实施例中，大气扩散模型采用AERMOD大气扩散模型，具体可通 过对所述各个预测网格点的污染浓度值进行插值运算获取所述关注污染物浓度的等值线， 所述等值线至少为两条。
[0化2] 在本实施例中，所述获取污染影响面积具体为；获取所述等值线中最远两点之间 的距离，W所述距离为边长构建涵盖所述等值线在内的正方形，获取所述正方形的面积并 W所述正方形的面积作为所述污染影响面积。
[0053]步骤S12,利用所述边界层参数数据、所述廓线数据W及所述污染影响面积建立具 有预测作用的多项式预测模型。
[0054]具体地，在本实施例中，利用所述边界层参数数据、所述廓线数据W及所述污染影 响面积建立具有预测作用的多项式预测模型具体为；W所述边界层参数数据和所述廓线数 据为训练数据，W所述污染影响面积为因变量数据，经过对所述训练数据的多次训练获得 多项式模型，再根据均方误差和拟合优度对所述多项式模型进行优化获得所述具有预测作 用的多项式预测模型。
[0化5]具体地，在本实施例中，所述具有预测作用的多项式预测模型为：
[0056]f(X。X2,X3. . .X。）= 0 此。+ 0 雨。+. . . + 0。-而。+ 0 品。-1又2. . .Xm;其中，X1，X2,X3. . .X。 分别为边界层参数数据和廓线数据经过PCA分析后的主分量参数（即多项式预测模型的训 练输入数据）；0。，01... 0。_1，0。分别为模型中训练输入数据的系数；n为模型训练输入 参数的个数；m为组合项个数。
[0化7]根据均方误差和拟合优度对所述多项式模型进行优化具体为；获取模型预测面积 的均方误差的和W及拟合优度之后，利用梯度下降法获取代价函数在最小值时多项式预测 模型中系数的值。
[0化引其中，所述模型预测面积的均方误差的和为
其中，Si为模 型对面积的预测值，Sd为包含等值线的正方形的真实值，n为样本数，i为样本中的第i个 样本；所述拟合优度为：
其中，r2为所建模型对问题拟合的拟 合优度，Si为模型对面积的预测值，玄:为模型预测面积的平均值，Xi为边界层参数数据和 廓线数据经过PCA分析后的主分量参数构成的多项式预测模型的训练输入数据；三为Xi的 平均值；所述代价函数为：
其中，0。，01...为多项式预 测模型中训练输入数据的系数，r2为所建模型对问题拟合的拟合优度，SW为第i个样本 的面积真实值，f0(W)为第i个样本的模型对面积的预测值；梯度下降法采用的公式为；
'其中，a为学习率，为多项式预测模型训练输入数据的系数 系数，0。，01...为多项式预测模型中训练输入数据的系数。
[0化9] 步骤S13,W存在大气污染时的实时气象数据为输入，根据所述多项式预测模型获 取预测污染面积，将所述预测污染面积和污染源的位置信息导入到大气污染模型中作为选 取所述大气污染模型中评测污染区域的依据。
[0060] W下对上述步骤进行进一步详细说明。
[006U 如图2所示为原始AERMOD模型的示意图，利用原始的AERMOD模型，根据历史气象 数据获得各个预测网格点的污染浓度值，然后对各个格点的浓度值进行插值，获得应急现 场关注的伤害浓度的等值线，再利用算法得出等值线中最远两点之间的距离，W此距离为 边长作包含该等值线的正方形，获得其面积值，如图3示意。
[0062] 具体为：原始地面气象数据和探空气象数据经过AERMOD模型中的气象预处理模 块AERMET处理，获得AERMOD核屯、模块所需要的综合气象数据