本技术涉及数据分析领域，尤其涉及一种基于后向轨迹模型的大气污染来源解析方法及系统。
背景技术：
1、现有的一些基于气象学原理的大气扩散模型，它能够模拟污染物在大气中的输送和扩散过程。该模型通过考虑气象条件、地形、地表特征等因素，计算出污染物在不同时间和空间位置上的浓度分布情况。如后向轨迹模型(hysplit)、聚类分析、潜在源贡献因子方法(pscf)和浓度权重轨迹方法(cwt)均是通过气流轨迹分析、识别大气污染物潜在来源，最主要缺点是无法在时间或空间层面上进行具体定性定量的大气污染物成分分析，如不同轨迹不同污染源的占比。此外还有如下几方面的技术问题：数据依赖性:这些方法在很大程度上依赖于输入数据的准确性和完整性。如果数据存在误差或遗漏，将直接影响模型的输出结果。计算复杂性:这些方法往往涉及大量的数据处理和复杂的计算过程，尤其是对于大规模的数据集。这可能导致计算效率低下，甚至无法实时处理。参数敏感性:这些方法通常涉及多个参数的设置，如模型中的权重、阈值或迭代次数等。参数的选择对最终结果有很大影影响，而参数的调整可能非常繁琐。模型解释性:尽管这些方法在数据分析和预测方面表现出色，但它们往往缺乏直观的物理意义和明确的解释性。这使得结果难以理解和解释，特别是在涉及复杂系统时。预测精度和泛化能力:对于这些方法来说，找到最佳模型并非易事，而且过度拟合或欠拟合问题可能会影响模型的预测精度和泛化能力。可扩展性和并行化:这些方法的可扩展性也是一个挑战，特别是当处理大规模数据集时。实现并行化计算可以提高计算效率，但设计和实施起来并不容易。实时性或反馈机制:在实际应用中，这些方法可能无法实时处理数据或缺乏有效的反馈机制，这限制了它们在动态环境中的应用。误差传播:这些方法通常涉及多个步骤和计算过程，每个步骤都可能引入误差。这些误差可能会在模型输出中累积和放大，影响结果的准确性。稳定性和鲁棒性:在不同的情境和条件下，这些方法的性能可能会发生变化。有时，细微的参数调整或数据变化可能会对结果产生显著影响。
2、现有技术中并未结合污染物浓度进行后向轨迹，精度不高。
技术实现思路
1、本技术实施例提供一种基于后向轨迹模型的大气污染来源解析方法及系统，以改善上述问题。
2、为达到上述目的，本技术采用如下技术方案：
3、第一方面本技术提出了一种基于后向轨迹模型的大气污染来源解析方法，所述方法包括：
4、确定目标区域，基于所述目标区域确定污染来源数据，所述污染来源数据包括气象地形地貌数据、社会经济发展及能源消费资料数据、环境质量监测资料数据以及污染源排放资料数据；
5、获取污染成分数据，所述污染成分数据包括no2、vocs、o3、pm2.5浓度数据；
6、基于所述污染成分数据与所述污染来源数据，确定污染成因；
7、基于所述污染成因确定污染总量控制策略。
8、结合第一方面，在一些实施方式中，基于所述污染成分数据与所述污染来源数据，确定污染成因，包括：
9、基于所述污染成分数据确定第一污染特征，所述第一污染特征包括大气污染的来源特征及大气污染的传输路径特征；
10、基于所述第一污染特征建立向后轨迹模拟模型；
11、基于所述向后轨迹模拟模型确定大气污染的所述来源特征及大气污染的所述传输路径特征对应的权重；
12、基于所述来源特征及大气污染的所述传输路径特征对应的权重确定所述污染成因。
13、结合第一方面，在一些实施方式中，基于所述第一污染特征建立向后轨迹模拟模型，包括：
14、对所述污染成分数据成分数据进行标准分析处理，形成标准分析数据；
15、获取所述标准分析数据，进行第一特征偏差分析处理，形成第一特征偏差分析数据；
16、获取所述标准分析数据，进行第二特征偏差分析处理，形成第二特征偏差分析数据；
17、获取所述污染来源数据，并结合所述标准分析数据对所述污染来源数据进行特征状态分析，形成特征状态分析数据；
18、结合所述标准分析数据、所述第一特征偏差分析数据、所述第二特征偏差分析数据以及所述特征状态分析数据，形成污染源成分特征数据集。
19、结合第一方面，在一些实施方式中，对所述污染成分数据成分数据进行标准分析处理，形成标准分析数据，包括：
20、根据所述污染成分数据进行污染源成分划分，形成所述污染成分数据；
21、将所述污染成分数据按照不同成分进行有效数据提取分析，形成污染来源数据；
22、对所述污染来源数据按照不同组分进行归一化处理，形成所述标准分析数据。
23、结合第一方面，在一些实施方式中，将所述污染成分数据按照不同成分进行有效数据提取分析，形成污染来源数据，包括：
24、获取所述污染来源数据中各个成分在所述第一分析周期内的参量，形成污染源成分参量集mn＝{m1n，m2n，…，mkn}；
25、其中：n表示所述污染源成分参量集的总数，且n为非零自然数；mkn为所述污染源成分参量集中不同的成分参量，且成分参量根据时间维度的顺序进行排列；k表示所述污染源成分参量集中成分参量的总数；对所述污染源成分参量集中的成分参量进行有效性分析，形成有效污染源成分参量集nn＝{m1n，m2n，…，mtn}，t表示有效成分参量的总数。
26、结合第一方面，在一些实施方式中，获取所述标准分析数据，进行第一特征偏差分析处理，形成第一特征偏差分析数据，包括：
27、获取所述归一污染源成分参量集rn＝{r1n，r2n，…，rtn}，进行标准偏差处理，形成污染源成分标准差sn；
28、获取所述第一周期污染源成分平均集p＝{p1，p2，…，pn}，并结合所述污染源成分标准差进行上极限偏差分析，形成第一特征偏差tn(max)；
29、其中：tn(max)＝(pn+sn)/pn。
30、第二方面，本技术提出了一种一种基于后向轨迹模型的大气污染来源解析系统，系统被配置为：
31、确定目标区域，基于所述目标区域确定污染来源数据，所述污染来源数据包括气象地形地貌数据、社会经济发展及能源消费资料数据、环境质量监测资料数据以及污染源排放资料数据；
32、获取污染成分数据，所述污染成分数据包括no2、vocs、o3、pm2.5浓度数据；
33、基于所述污染成分数据与所述污染来源数据，确定污染成因；
34、基于所述污染成因确定污染总量控制策略。
35、结合第二方面，系统被配置为：
36、基于所述污染成分数据与所述污染来源数据，确定污染成因，包括：
37、基于所述污染成分数据确定第一污染特征，所述第一污染特征包括大气污染的来源特征及大气污染的传输路径特征；
38、基于所述第一污染特征建立向后轨迹模拟模型；
39、基于所述向后轨迹模拟模型确定大气污染的所述来源特征及大气污染的所述传输路径特征对应的权重；
40、基于所述来源特征及大气污染的所述传输路径特征对应的权重确定所述污染成因。
41、结合第二方面，系统被配置为：对所述污染成分数据成分数据进行标准分析处理，形成标准分析数据；
42、获取所述标准分析数据，进行第一特征偏差分析处理，形成第一特征偏差分析数据；
43、获取所述标准分析数据，进行第二特征偏差分析处理，形成第二特征偏差分析数据；
44、获取所述污染来源数据，并结合所述标准分析数据对所述污染来源数据进行特征状态分析，形成特征状态分析数据；
45、结合所述标准分析数据、所述第一特征偏差分析数据、所述第二特征偏差分析数据以及所述特征状态分析数据，形成污染源成分特征数据集。
46、结合第二方面，系统被配置为：根据所述污染成分数据进行污染源成分划分，形成所述污染成分数据；
47、将所述污染成分数据按照不同成分进行有效数据提取分析，形成污染来源数据；
48、对所述污染来源数据按照不同组分进行归一化处理，形成所述标准分析数据。
49、结合第二方面，系统被配置为：获取所述污染来源数据中各个成分在所述第一分析周期内的参量，形成污染源成分参量集mn＝{m1n，m2n，…，mkn}；
50、其中：n表示所述污染源成分参量集的总数，且n为非零自然数；mkn为所述污染源成分参量集中不同的成分参量，且成分参量根据时间维度的顺序进行排列；k表示所述污染源成分参量集中成分参量的总数；对所述污染源成分参量集中的成分参量进行有效性分析，形成有效污染源成分参量集nn＝{m1n，m2n，…，mtn}，t表示有效成分参量的总数。
51、结合第二方面，系统被配置为：获取所述归一污染源成分参量集rn＝{r1n，r2n，…，rtn}，进行标准偏差处理，形成污染源成分标准差sn；
52、获取所述第一周期污染源成分平均集p＝{p1，p2，…，pn}，并结合所述污染源成分标准差进行上极限偏差分析，形成第一特征偏差tn(max)；
53、其中：tn(max)＝(pn+sn)/pn。
54、结合第二方面，系统被配置为：获取所述污染源成分标准差sn和所述第一周期污染源成分平均集p＝{p1，p2，…，pn}，进行下极限偏差分析，形成第二特征偏差tn(min)；
55、其中：tn(min)＝(pn-sn)/pn。
56、综上，上述方法及装置具有如下技术效果：
57、1、大气后向轨迹模型是一种广泛应用于大气污染研究的重要工具，它可以用来解析各种污染物的来源和扩散路径。本方法旨在通过应用大气后向轨迹模型，对大气污染的来源进行深入解析，结合了气象数据、污染物数据以及地理信息，通过模拟气团的后向轨迹，揭示出污染源的具体位置和强度，以更准确地预测和评估大气污染的发展趋势。
58、2、利用较为常规的监测设备降低数据源解析成本，通过应用大气后向轨迹模型，我们发现大气污染的主要来源包括工业排放、交通尾气、农业活动、建筑工地等。这些排放源排放的污染物在大气中相互影响、转化，最终形成各种形式的污染物质，如颗粒物、臭氧、氮氧化物等。
59、3、此外，这类方法还可以根据不同的需求和目标，进行特定的优化和改进。例如，一些研究将后向轨迹模型与深度学习技术相结合，利用lstm对目标污染物进行预测。另一些研究则结合pm2.5浓度进行模拟，以更精确地推算出特定时段内的污染物传输路径。
1.一种基于后向轨迹模型的大气污染来源解析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于后向轨迹模型的大气污染来源解析方法，其特征在于，基于所述污染成分数据与所述污染来源数据，确定污染成因，包括：
3.根据权利要求2所述的一种基于后向轨迹模型的大气污染来源解析方法，其特征在于，基于所述第一污染特征建立向后轨迹模拟模型，包括：
4.根据权利要求3所述的一种基于后向轨迹模型的大气污染来源解析方法，其特征在于，对所述污染成分数据成分数据进行标准分析处理，形成标准分析数据，包括：
5.根据权利要求4所述的一种基于后向轨迹模型的大气污染来源解析方法，其特征在于，将所述污染成分数据按照不同成分进行有效数据提取分析，形成污染来源数据，包括：
6.根据权利要求5所述的一种基于后向轨迹模型的大气污染来源解析方法，其特征在于，获取所述标准分析数据，进行第一特征偏差分析处理，形成第一特征偏差分析数据，包括：
7.根据权利要求6所述的一种基于后向轨迹模型的大气污染来源解析方法，其特征在于，获取所述标准分析数据，进行第二特征偏差分析处理，形成第二特征偏差分析数据，包括：获取所述污染源成分标准差sn和所述第一周期污染源成分平均集p＝{p1，p2，…，pn}，进行下极限偏差分析，形成第二特征偏差tn(min)；
8.一种基于后向轨迹模型的大气污染来源解析系统，其特征在于，系统被配置为：
9.根据权利要求1所述的一种基于后向轨迹模型的大气污染来源解析方法，其特征在于，系统被配置为：
10.根据权利要求2所述的一种基于后向轨迹模型的大气污染来源解析方法，其特征在于，系统被配置为：
