数据驱动的我国PM2.5污染规律模型智能构建方法研究

In this project, we will study the PM2.5 pollution problem in China, especially concentrating on analyzing the PM2.5 big data. By data-driven theories and methods, we will build the domain models intelligently from PM2.5 big data. The main research content include the study on data-driven approach for building spatial-temporal models, the study on data-driven approaches for building social-economic models, and the warning approach for PM2.5 pollution events as well as decision support for pollution regulations in China. Guided by the Fourth Paradigm for data-intensive scientific research, our team has conducted some fundamental work with initial achievements. It is expected that, we will achieve more innovative results for extending data-driven theories and methods, and our research could provide practical support for PM2.5 pollution regulation in China.

本课题针对我国迫切需要解决的PM2.5污染问题，聚焦于PM2.5大数据分析难题，基于数据驱动的理论与方法，智能构建PM2.5污染规律模型。主要研究内容包括：数据驱动的PM2.5时空规律模型构建方法研究，数据驱动的PM2.5社会经济规律模型构建方法研究，以及中国情境下的PM2.5污染事件预警和治理决策支持方法研究。本课题遵循数据密集型科学研究“第四范式”引导，课题组已经开展了前期探索性工作，并取得阶段性成果。本课题预计在大数据环境下的模型智能构建方法上可以进一步取得创新成果，具有良好的理论意义；同时，相关规律模型可以对我国PM2.5污染治理决策提供科学支持，具有良好的现实意义。

本项目基于序列模式挖掘算法，从城市、省级和区域三个地理空间尺度和10个时间间隔的时间场景中挖掘频繁序列模式，揭示了不同城市大气污染之间潜在的关联关系；研究中国臭氧污染时空分布，研究数据包括从2016年至2019年的中国338个地级市的臭氧浓度小时数据（近1000万条数据）；研究环境治理中二氧化碳排放与经济发展间关系的问题，运用数据驱动的模型构建方法从67个国家的历史数据中自动学习出模型的结构和参数；研究以汽油品质由国四标准升级到国五标准这一政策，采用断点回归的方法从宏观及微观尺度系统分析了PM污染物浓度的变化情况；基于海量的大气污染数据，结合社会经济数据和网络搜索数据，提出了数据驱动的大气污染治理研究方法，挖掘公众对PM2.5污染问题的关注情况。.本项目在环境污染大数据分析挖掘、环境综合治理和政策分析、污染和经济发展演化关系机理剖析、机理模型智能构建理论与方法等研究方面取得进展，得到国内外领域专家的认可和引用，相关工作得到领域专家高度认可，被评价为“该领域的一项重要贡献”、“迄今为止最新颖的一项工作”，部分成果得到国际在线（CRI）、大连日报、大连新闻网等媒体报道。.在国内外重要期刊和会议发表学术论文21篇，其中SCI检索11篇，EI检索17篇，国家自然基金委认可的A类国内期刊3篇。获批1项发明专利，4项软件著作权，开发一个PM2.5空气污染科普性介绍网站，作为学术带头人，在大连理工大学人工智能研究院组织产学研创新团队，将科研成果进行转化。 .经过本项目研究，项目负责人获得辽宁省百千万人才工程、兴辽英才计划青年拔尖人才等荣誉，担任中国系统工程学会数据科学与知识系统工程专委会秘书长、中国研究型医院学会环境医学分会理事等学术兼职，获批国家社会科学基金重点项目“大气污染区域间协同治理机制研究”、辽宁省社科规划基金重点项目“大数据背景下辽宁省PM2.5污染综合治理研究”等科研项目，在相关领域继续深入研究。