基于数据挖掘的城市空气污染物扩散时空特征研究

韩福财 徐殉 马伟

摘要：为提升城市空气污染物扩散时空特征分析效果，提出一种基于数据挖掘的城市空气污染物扩散时空特征分析方法。从影响空气污染物扩散的因素入手，模拟区域气温分布空间和风场，建立空气污染物扩散方程，在获得初始数据后，利用数据挖掘技术对数据聚类处理，统一数据量纲，得到关联性强的数据集合，利用处理后的数据，计算出空气污染物的季节指数，经过多次细化计算，得到污染物的月趋势和日趋势分析结果。实验结果表明：面对大气稳定程度的改变，提出的污染物扩散时空特征分析方法分析误差小，成分相关性强，整体空间适应性得到了增强。

关键词：城市建设；数据挖掘；空气污染；扩散影响；时空特征

中图分类号：X51 文献标志码：A

前言

治理城市空气污染问题的前提，需要了解城市内空气污染的变化趋势，在时间上、空间上的扩散情况，采取针对性的措施治理城市空气污染问题。国内外一些专家学者在空气污染物扩散的研究上，主要采用一些模型分析大气污染传输路径，追踪气流的变化或气体移动的方向，实时预测风场的变化，以便掌握空气中污染物的变化，但是在具体分析上并不完全可靠，在大气环境改变的情况下，难以保证污染物的后向轨迹分析和潜在污染源分析的可靠，不确定因素比较多。如文献[2]提到的基于空间插值的分析方法，该方法利用空间插值分析污染物的扩散趋势，了解污染物质量浓度的变化规律，但这种方法很难适应不同的空间环境。文献[3]中提到的基于灰度关联性的分析方法也存在类似的问题，在实际操作上大气环境的变化会导致关联度的改变，进而影响分析的准确性，很难适应不同的空间。因此，提出基于数据挖掘的城市空气污染物扩散时空特征分析，利用数据挖掘技术进一步处理相关数据，解决上述常见的分析方法中存在的问题。