本发明属于大气质量检测，具体地说，是涉及一种用于对大气中的臭氧浓度进行预测的方法。
背景技术：
1、对流层臭氧并非来自直接污染排放，而是挥发性有机物(vocs)和氮氧化物(nox)在太阳光照射下发生光化学反应的产物，是典型的二次污染物，也是造成我国区域大气复合污染的重要因素之一。特别是近地面臭氧超过自然水平时，会对人体健康、生态系统、气候变化等方面产生显著影响，例如：1.瞬时或长时间高浓度的臭氧暴露，会引起人类过早死亡、哮喘、呼吸道感染等呼吸系统疾病，中风、心律失常等心血管疾病，以及儿童孤独症和阿尔茨海默症等神经系统疾病；2.臭氧可通过植物叶片的气孔进入植物体内并产生高活性氧化剂，降低多种光合作用催化酶的含量与活性，抑制光合色素的合成，诱导植物细胞中的叶绿体变异；3.对流层臭氧是工业革命以来导致全球辐射强迫增加的第三大温室气体，约占整体温室效应的3％～7％。
2、近年来我国大气污染防治工作取得显著成效，细颗粒物(pm2.5)浓度不断下降，但是臭氧污染却呈现快速上升及蔓延态势。臭氧污染已成为制约我国空气质量进一步改善的瓶颈问题，因此开展臭氧污染防治迫在眉睫。臭氧形成机理复杂、影响因素多，臭氧污染防控是一个长期和复杂的系统工程，高质量精准预测是制定臭氧精细化防控措施的前提。
3、臭氧污染具有明显的趋势性和季节性，而且和气象、气候等多种要素密切相关，现有臭氧浓度预测方法没有建模提取臭氧污染的先验信息，有些仍是单变量预测，导致臭氧预测质量不高或者预测结果可解释性欠缺，尤其是长周期预测。
技术实现思路
1、本发明的目的在于提供一种基于stl-transformer的臭氧浓度预测方法，以解决现有技术所存在的臭氧浓度预测精度不高或者预测结果可解释性欠缺的问题。
2、为解决上述技术问题，本发明采用以下技术方案予以实现：
3、一种基于stl-transformer的臭氧浓度预测方法，包括：
4、采集一段时间的臭氧浓度数据，形成臭氧浓度实测序列；
5、采用时间序列分解算法stl将臭氧浓度实测序列分解为季节分量、趋势分量和剩余分量，形成臭氧序列的三个分量；
6、将分解后的三个分量与环境空气质量指数、空气质量评价参数、气象参数拼接，作为transformer模型的输入序列；
7、利用transformer模型对未来不同时段的臭氧浓度进行预测，通过transformer模型输出的结果即为臭氧浓度的预测值。
8、在本申请的一些实施例中，所述时间序列分解算法stl包括内循环和外循环，其中，可以利用内循环的局部加权回归和低通滤波算法拟合出季节分量sv，然后利用季节分量sv求取出趋势分量tv；之后，利用外循环获取剩余分量rv，并在每次循环中计算稳健性权重，应用于下一次内循环中，以影响分解后的季节分量。
9、在本申请的一些实施例中，采用stl算法分解臭氧浓度实测序列的过程可具体包括以下步骤：
10、将臭氧浓度实测序列yv的分解结果表示为：
11、yv＝sv+tv+rv；
12、其中，sv表示季节分量；tv表示趋势分量；rv表示剩余分量；
13、假设分别表示季节分量sv和趋势分量tv的第k次迭代结果，分解过程如下：
14、s1、去除臭氧浓度实测序yv中的趋势分量，即，计算去趋势序列
15、s2、对所述去趋势序列的周期子序列进行loess平滑，记稳健性权重为ρv，结果记为
16、s3、对进行低通滤波，输出序列记为
17、s4、去除中的趋势项，得到季节分量
18、s5、从臭氧浓度实测序列yv中去除季节分量即，计算去季节序列
19、s6、对去季节序列进行loess平滑，得到k+1迭代的趋势分量
20、s7、计算剩余分量
21、s8：根据剩余分量rv的稳健性计算下一循环的稳健性权重ρv，其计算公式为：
22、
23、其中，
24、
25、b(u)为双平方权重函数；midean函数用于返回一组数据的中值；||表示取数据的绝对值。
26、在本申请的一些实施例中，所述低通滤波算法可以包括移动平均和loess回归两个分析过程。
27、在本申请的一些实施例中，在对臭氧浓度实测序列进行stl分解时，为了提高臭氧浓度预测结果的准确性，可以根据不同的预测时段配置季节周期参数pe；即，t时刻的季节分量、趋势分量和剩余分量应该是对t时刻之前的pe个时间段{t-1，t-2,…t-pe}内的臭氧浓度实测值构成的臭氧序列进行stl分解得到的。
28、在本申请的一些实施例中，可以采用多源数据的滑动拼接方式形成预测模型的输入序列x＝{x1,x2,…,xm,sv,tv,rv}；其中，{x1,x2,…,xm}为多源实测数据，即，t时刻实测到的环境空气质量指数、空气质量评价参数和气象参数；m为多源实测数据的维度；sv,tv,rv为t时刻的臭氧序列的三个分量。
29、在本申请的一些实施例中，所述环境空气质量指数为aqi；所述空气质量评价参数可以包括但不限于co，no2，so2，pm2.5、pm10等；所述气象参数可以包括但不限于温度、露点温度、风速、风向、气压等。
30、与现有技术相比，本发明的优点和积极效果是：本发明首先利用stl时间序列分解算法将臭氧序列分解成季节分量、趋势分量、剩余分量三个分量，以提取出臭氧污染的先验信息；然后，将分解后的三个分量与环境空气质量指数、空气质量评价参数、气象参数拼接在一起，作为transformer模型的输入序列，利用transformer模型提取多源数据的全局信息进行臭氧浓度的预测，由此可以提高臭氧浓度预测结果的精度和可解释性，对提高臭氧预测质量、制定精细防控措施具有重要意义。
31、结合附图阅读本发明实施方式的详细描述后，本发明的其他特点和优点将变得更加清楚。
1.一种基于stl-transformer的臭氧浓度预测方法，其特征在于，包括：
2.根据权利要求1所述的基于stl-transformer的臭氧浓度预测方法，其特征在于，所述时间序列分解算法stl包括内循环和外循环，其中，
3.根据权利要求2所述的基于stl-transformer的臭氧浓度预测方法，其特征在于，采用stl算法分解臭氧浓度实测序列的过程包括：
4.根据权利要求3所述的基于stl-transformer的臭氧浓度预测方法，其特征在于，所述低通滤波算法包括移动平均和loess回归。
5.根据权利要求3所述的基于stl-transformer的臭氧浓度预测方法，其特征在于，在对臭氧浓度实测序列进行stl分解时，根据不同的预测时段配置季节周期参数pe，t时刻的季节分量、趋势分量和剩余分量是对t时刻之前的pe个时间段{t-1，t-2，...t-pe}内的臭氧浓度实测值构成的臭氧序列进行stl分解得到的。
6.根据权利要求1至5中任一项所述的基于stl-transformer的臭氧浓度预测方法，其特征在于，所述输入序列x为：
7.根据权利要求6所述的基于stl-transformer的臭氧浓度预测方法，其特征在于，
