科研人員提出快速識別空氣質量監測數據中多種異常的方法

環境空氣質量監測數據是公眾了解空氣質量最重要的依據，被廣泛應用於改進空氣質量預報、污染過程分析等眾多大氣污染相關研究。但由於儀器故障、惡劣環境和測量方法等原因，異常數據時有出現。

實際應用中通常依賴人工審核識別異常數據，但隨著監測站數量的快速增加，人工審核工作量大幅增加，無法滿足海量監測數據准實時應用（如准實時同化等）的需求。

針對於此，中國科學院大氣物理研究所博士吳煌堅和副研究員唐曉等提出了一套基於殘差概率的自動化異常識別方法。該方法使用低通濾波、空間回歸等方式擬合監測數據，通過擬合殘差的分布特徵計算殘差概率，進而設計程序自動識別並剔除小概率的異常數據。研究結果表明，引入殘差概率可以將多項異常檢查有機結合。例如通過假設時間殘差和空間殘差服從二元正態分布，可以將監測數據的時間一致性和空間一致性協同考慮，更準確地識別異常數據。

該方法可以以准實時方式（1分鐘內）對全國1436個國控站點六項常規污染物（PM2.5, PM10, SO2, NO2, CO, O3）監測中的可疑異常數據進行標記和識別。目前該方法已被應用於中國環境監測總站的空氣質量預報系統，並計劃應用於實時的空氣質量監測數據發布系統，為海量監測數據的快速應用提供技術支撐。

該研究已被《大氣科學進展》接收並出版。

論文信息：Wu, H. J., X. Tang, Z. F. Wang, L. Wu, M. M. Lu, L. F. Wei, and J. Zhu, 2018:Probabilistic automatic outlier detection for surface air quality measurements from the China National Environmental Monitoring Network. Adv. Atmos. Sci.,35(12), 1522–1532.

空氣質量監測數據中的典型異常示例

來源：中國科學院大氣物理研究所

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！