1.一种基于移动监测的区域大气污染分布预测方法，首先将待预测区域进行网格化处理，再通过大气污染移动监测装置对大气污染浓度进行数据采集，将移动监测采集的大气污染物浓度数据进行预处理，确定时空权重，建立大气污染分布预测模型，对区域内各网格进行浓度预测，确定区域的大气污染分布；具体步骤如下：(1)区域网格化处理；

将区域进行高分辨率网格化处理，划分为K个子网格，以子网格中心位置的大气污染浓度来表征该子网格的大气污染浓度；设定第k个子网格的中心点位置坐标为(Xk,Yk),k＝1,

2,…,K；

(2)移动监测数据采集及预处理；

通过大气污染移动监测装置采集区域内大气污染浓度原始数据样本，将大气污染移动监测装置固定于移动载体上，载体移动速度控制在15km/h，装置采样周期为3s，获得的样本的数据格式为(ti,xGPS‑i,yGPS‑i,Z(xi,yi))(i＝1,2,…,n)，式中t为大气污染物浓度数据采集时间，xGPS‑i为经度，yGPS‑i为纬度，Z(xi,yi)为某种大气污染物浓度，将原始数据进行预处理，剔除异常值并将xGPS‑i和yGPS‑i投影转换至平面坐标x和y，预处理后获得监测数据样本为(ti,xi,yi,Z(xi,yi))(i＝1,2,…,n)；

(3)大气污染分布预测模型建模；

由于大气污染物在空气中存在扩散作用，区域内待预测点的大气污染物浓度值会受到其他已知点位的影响，可用区域内已知点位浓度来预测待预测点位的浓度，因此建立大气污染分布预测模型：式中Z(x,y)为待预测点(x,y)处的大气污染物浓度；n为移动监测采集样本点的个数；Z(xi,yi)为点(xi,yi)处大气污染物浓度值；ωi为预测计算过程中各个样点的时空权重；

(4)时空权重ω确定；

时空权重基于相似相近原理确定；移动监测所获取的样本点之间存在时间和空间的差异性，即不存在同一时刻同一位置的两个样本点；由于大气污染物在空气中存在扩散作用，待预测点的浓度和已知观测点的浓度会因时间和空间的差异性而存在不同的影响，即某一预测时间待预测点的浓度会受到其他已知观测点和待预测点之间的距离及观测点数据采集时间和待预测点预测时间间隔影响；任意观测点的浓度对预测点的浓度影响会受距离的增加而不断减弱，也会随着待预测时间和观测点浓度数据采集时间间隔的增大而减弱；因m d此时空权重包含两部分：时间权重ω和空间权重ω，关系式如下：式中 为第i个观测点浓度的时间权重； 为第i个观测点浓度的空间权重；a为时间权重系数；b为空间权重系数；

d

空间权重ω由已知点与待预测点之间的欧式距离大小确定，距离越大，其权重越低，关系式如下：式中x和y为待预测点的平面坐标；p为权重，默认值为2；

m

时间权重ω由观测点的采样时间和待预测点的预测时间间隔确定，当观测点的采样时间离待预测点的预测时间越接近，则权重越大，假定待预测点的预测时间为T，统一量纲计算各个观测点的时间间隔，并进行归一化处理：t′i＝|ti‑T|                       (4)式中t′max为时间间隔的最大值，t′min为时间间隔的最小值；t″i为归一化后各个观测点m的时间间隔；由此确定时间权重ω的关系式：

(5)参数确定；

采用遗传算法确定时间权重系数a和空间权重系数b；

(6)确定空间分布预测模型；

将寻优后的时间权重系数a和空间权重系数b带入式1即可确定空间分布预测模型；

(7)实现空间分布预测；

采用移动监测数据通过分布预测模型来预测各个子网格的大气污染浓度Z(Xk,Yk)，即可获取该区域大气污染空间分布情况。