基于大数据的雾霾天气情景构建与应急决策鲁棒优化方法研究

The frequently occurring severe haze has severely threatened the citizen's safety and health, and becomes one of the most important public crisis issues requiring the urgent research and response. In this project, we study the prediction of haze based on big data and develop the optimization method for emergency decision making of haze. The spatial and temporal correlations among the haze and the multiple urban dynamic data (e.g. meteorology, traffic, emission source, human mobility and network media, et al.) will be analyzed. The interaction effects between the urban multiple dynamic characteristics and the haze in both physical and social fields will be explored. The method and models for big data mining of haze will be developed for the prediction and construction of haze scenarios. The mathematical model for the objective evaluation of haze weather emergency management strategies will be proposed, and the multi-objective optimization procedure and method for robust emergency decision making will be developed. Based on the above research, typical cities such as Beijing will be selected for the application studies. This project will help us well understand the characteristics of haze, deepen and broaden the application of big data analysis and application, enrich the connotation of management science, and then provide scientific basis for the government's efficient response to the haze weather.

重度雾霾事件频繁发生，对城市居民的安全和健康造成了严重的危害。雾霾已成为目前最亟待应对的重大公共危机事件之一。本课题针对雾霾这一重大公共危机事件，开展基于大数据的雾霾预测和应急决策优化研究。研究雾霾天气与城市多种时空动态数据（气象、交通、排放源、人群流动、网络媒体等）的时空相关性，探索雾霾与城市物理维度和社会维度特性的时空交互影响规律；研究雾霾天气的大数据挖掘方法与模型，开展基于大数据的雾霾预测与情景构建；研究雾霾天气应急策略的目标评价数学模型，构建雾霾天气的多目标应急鲁棒决策优化流程与方法；在此基础上，选取北京市等典型城市开展实证性研究。通过本研究，可以加深理解雾霾特性规律，深化和拓展大数据分析与应用，丰富管理科学内涵，进而为政府高效应对雾霾事件提供科学支撑。

近年来，不同程度的雾霾事件频繁发生，对城市居民的安全和健康造成了严重的危害。雾霾已成为目前最亟待应对的重大公共危机事件之一。对雾霾事件产生的原因、关联的因素、演变的机理、造成的影响进行科学的分析，从而有依据地进行一系列雾霾预测预警和应急对策，降低雾霾造成的影响，对于提高公共安全保障能力与社会整体稳定繁荣具有极其重要的现实意义。本项目选取北京为主要研究对象，对雾霾时空特征、雾霾演化过程、雾霾应对策略进行了基础研究。以风速为例，研究气象要素时空变化特征，采用统计分析的方法，研究北京地区风速的年代际变化特点、时间变化特点、空间分布特点；基于不同稳定度等级条件下混合层厚度的计算方法，研究大气混合层厚度时间变化特点和空间分布特点；利用PM2.5、PM10、SO2和NO2的统计数据，研究了主要大气污染物浓度的时间维度特征和空间维度特征；研究了雾霾形成的气象条件，发现地面气象要素、垂直方向温度层结和高空环流场等三个因素极其关键；基于统计分析、多元回归、逐步回归和神经网络等方法，研究了PM2.5与主要气象要素、污染物质浓度、工业生产、能源、农业、交通、舆情相关信息的相关性及浓度推算方法；基于ARIMA时间序列模型，研究了利用历史PM2.5浓度值数据进行PM2.5时间序列短时预测的方法；研究了基于Nemenyi检验方法，利用68个田野试验的数据集，评估了不同的似然函数模型表现，改进近似贝叶斯模型，从而实现大气扩散源项估计的方法；研究了基于考虑复合成本函数耦合遗传算法的新模型的大气扩散源项估计方法；针对土壤和大气中燃气扩散的物理规律分别构建控制方程，对控制方程进行数值求解，研究了土壤、大气耦合的燃气扩散数值模拟；基于高斯扩散模型，结合灾害信息传播规律，研究了大气扩散情景下的人员应急策略；最后，从多方面提出了雾霾应对对策建议。本研究的研究成果可以加深理解雾霾特性规律，深化和拓展大数据分析与应用，进而为政府高效应对雾霾事件提供科学支撑。