CN116930909B - 一种基于气象雷达数据集的空气质量预报系统及方法 - Google Patents

Abstract

本发明公开了一种基于气象雷达数据集的空气质量预报系统及方法，涉及空气质量预报技术领域，包括如下步骤：获取雷达发射的电磁波信号的相关参数；对电磁波信号进行误差分析，获得电磁波综合稳定系数Dc；建立空气质量预测模型；获得第一空气质量预测值，与实际空气质量值进行误差分析，获得预测离散程度值YLx，判断是否能将第二空气质量预测模型输出应用；将经过误差分析的第二空气质量预测模型进行应用，获得第二空气质量预测值，对未来的空气质量情况进行评估。本发明通过对未来的空气质量情况进行评估，并及时发出相关预警信息，可以实现对污染源的动态监管。

Description

一种基于气象雷达数据集的空气质量预报系统及方法

技术领域

本发明涉及空气质量预报技术领域，具体为一种基于气象雷达数据集的空气质量预报系统及方法。

背景技术

传统的传统空气质量预报主要基于经验公式和统计模型，只能粗略的对空气质量进行预报，而对于复杂的大气化学反应过程和污染物扩散规律等因素考虑不足，预报精度十分有限，并且对于污染源头和污染扩散情况无法做出预测。

近年来也有学者利用雷达技术开展了针对大气颗粒物（如PM2.5）的探测研究。这种方法主要基于激光雷达技术，通过向大气中发射激光束并接收其散射回波信号来实现对颗粒物浓度和分布情况的探测，相比传统监测方法，这种方法具有无需采样、实时性好、覆盖范围广等优点。

本发明基于气象雷达数据集，通过将单站雷达多普勒速度计算法导入天气质量预测模型，可以计算出污染粒子的运动方向，监测大气中的污染物扩散情况，并且提供有力支持给环保部门和人员进行环境监测和预警。

发明内容

（一）解决的技术问题

针对现有技术的不足，本发明提供了一种基于气象雷达数据集的空气质量预报系统及方法。

（二）技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种基于气象雷达数据集的空气质量预报系统及方法，包括如下步骤：

在技术规格书中获取理想情况下该雷达工作时发射的电磁波信号相关参数，并通过频谱分析仪和相应的天线检测获取气象雷达实际发射电磁波数据；

将理想情况下该气象雷达工作时发射的电磁波信号振幅A及频率F和实际发射的电磁波信号每个T时间内的振幅及频率进行误差分析，获得电磁波振幅稳定指数Zf和电磁波频率稳定指数Ps，再将电磁波振幅稳定指数Zf和电磁波频率稳定指数Ps进一步关联形成电磁波综合稳定系数Dc；

将单站雷达多普勒速度计算法导入机器学习模型，建立第一空气质量预测模型，并将气象雷达数据集和电磁波综合稳定系数Dc作为样本数据导入第一空气质量预测模型，在经过样本数据训练及测试后，获得第二空气质量预测模型；

将电磁波参数数据库导入第二空气质量预测模型，获得第一空气质量预测值，并将第一空气质量预测值与实际空气质量值进行误差分析，获得预测离散程度值YLx，依据第二空气质量预测模型的预测离散程度值YLx与预设阈值的关系，判断是否能将第二空气质量预测模型输出应用；

将经过误差分析的第二空气质量预测模型进行应用，获得第二空气质量预测值，并依据第二空气质量预测值与预设的第一阈值和第二阈值的关系，对未来的空气质量情况进行评估，选择对应的预警策略。

进一步的，将天线指向气象雷达发射方向，并启动频谱分析仪开始检测，获取T时间内不同时段的电磁波振幅和频率，构建电磁波参数数据库，i表示T时间内不同时段的电磁波振幅和频率的编号，i=1、2、3、4、……、n，n为正整数。

进一步的，将理想情况下该气象雷达工作时发射的电磁波信号振幅A及频率F和实际发射的电磁波信号每个T时间内的振幅及频率进行误差分析，获得电磁波振幅稳定指数Zf和电磁波频率稳定指数Ps：

；

对应的电磁波振幅稳定指数Zf和电磁波频率稳定指数Ps的计算公式如上。

进一步的，获取电磁波振幅稳定指数Zf和电磁波频率稳定指数Ps，无量纲化处理后，

关联形成电磁波综合稳定系数Dc，电磁波综合稳定系数Dc的获取方式如下：

；

其中，，且为权重，由用户调整设置。

进一步的，将单站雷达多普勒速度计算法导入机器学习模型，建立第一空气质量预测模型，具体为：

将气象雷达发射的电磁波信号记为，回波信号记为 ，其中为发射频率，为初始相位，为回波信号相对于发射信号的延迟，为目标与雷达之间的距离，c为光速；

如果目标禁止，则为常数，且令，回波与发射信号之间有固定相位差，为波长；

如果目标与气象雷达之间有相对运动，距离随时间变化，设目标相对于雷达的径向运动速度为，则t，回波延迟，进一步可得回波与发射信号之间的相位差为，对应产生的频率差为多普勒频率：

；其中：若多普勒频率为正，目标向着雷达飞行，若多普勒频率为负，目标逆着雷达飞行。

进一步的，通过空气质量监测站点获取对应第一空气质量预测值预测时间的实际空气质量值，并将第一空气质量预测值与实际空气质量值进行误差分析，计算分析后获得第二空气质量预测模型的预测离散程度值YLx，计算公式如下：

；

其中，t表示第一空气质量预测值和实际空气质量值对应的顺序编号，t=1、2、3、4、……、n，n为正整数。

进一步的，依据第二空气质量预测模型的预测离散程度值YLx与预设阈值的关系，判断是否能将第二空气质量预测模型输出应用，若预测离散程度值预设阈值，则将第二空气质量预测模型输出应用。若预测离散程度值预设阈值，则将第二空气质量预测模型进行再次训练及测试，直至预测离散程度值YLx小于预设阈值。

进一步的，依据第二空气质量预测值与预设的第一阈值和第二阈值的关系，对未来的空气质量情况进行评估，并选择对应的预警策略，具体如下：

当第二阈值＜第一阈值时，说明未来空气质量处于常规状态，对应地，不向外发出预警信号，无需采取任何措施。

当第二阈值第一阈值时，说明未来空气质量处于二级污染状态，对应地，向外发出二级预警信号，可以采取建议敏感人群尽量减少户外活动时间，对于工业企业和交通运输等污染源，应加强监管和管理，限制排放。

当第二阈值＜第一阈值时，说明未来空气质量处于一级污染状态，对应地，向外发出一级预警信号，可以采取建议所有人避免户外活动，对于工业企业和交通运输等污染源，应立即停止生产或行驶，并采取紧急措施进行治理。

一种基于气象雷达数据集的空气质量预报系统，包括：

数据采集模块，获取气象雷达的技术规格书，在技术规格书中获取理想情况下该雷达工作时发射的电磁波信号相关参数，准备一台频谱分析仪和相应的天线，检测获取气象雷达实际发射电磁波数据。

电磁波分析模块，将理想情况下该气象雷达工作时发射的电磁波信号振幅A及频率F和实际发射的电磁波信号每个T时间内的振幅及频率进行误差分析，获得电磁波振幅稳定指数Zf和电磁波频率稳定指数Ps，再将电磁波振幅稳定指数Zf和电磁波频率稳定指数Ps进一步关联形成电磁波综合稳定系数Dc。

预测模型构建模块，将单站雷达多普勒速度计算法导入机器学习模型，建立第一空气质量预测模型，并将气象雷达数据集和电磁波综合稳定系数Dc作为样本数据导入第一空气质量预测模型，在经过样本数据训练及测试后，获得第二空气质量预测模型。

预测误差分析模块，将电磁波参数数据库导入第二空气质量预测模型，获得第一空气质量预测值，并将第一空气质量预测值与实际空气质量值进行误差分析，获得预测离散程度值YLx，依据第二空气质量预测模型的预测离散程度值YLx与预设阈值的关系，判断是否能将第二空气质量预测模型输出应用。

安全预警模块，将经过误差分析的第二空气质量预测模型进行应用，获得第二空气质量预测值，并依据第二空气质量预测值与预设的第一阈值和第二阈值的关系，对未来的空气质量情况进行评估，选择不同的预警策略。

（三）有益效果

本发明提供了一种基于气象雷达数据集的空气质量预报系统及方法，具备以下有益效果：

1、在实际应用中，由于各种因素的影响，气象雷达实际发射的电磁波信号可能会与理想情况下发射的电磁波信号存在一定的偏差，通过误差分析，可以了解这些偏差的来源和大小，进而确定系统误差，并采取相应措施进行校正，还可以发现雷达系统设计中存在的问题，并提出改进建议。例如，在天线设计中考虑到天线增益、辐射方向等因素时，需要对其性能进行评估和优化。

2、通过将第一空气质量预测值与实际空气质量值进行误差分析，可以评估模型的准确性，如果误差较小，则说明模型具有较高的预测能力，如果误差较大，则需要进一步优化模型，并针对性地调整模型参数。例如，在考虑到不同污染物种类、不同天气条件等因素时，需要对其权重进行调整。

3、通过将经过误差分析的第二空气质量预测模型进行应用，对未来的空气质量情况进行评估，并及时发出相关预警信息，可以实现对污染源的动态监管，当发现某些污染源可能会对空气质量造成影响时，可以及时采取措施加以限制或治理。而且还可以提前预测可能出现的重污染天气，从而加强应急响应能力，例如，在重污染天气到来之前采取相应的措施，可以减少污染物排放、降低空气污染程度，可以提醒公众注意空气质量状况，引导公众采取相应的防护措施，减少对污染物的暴露，保护身体健康。

附图说明

图1为本发明一种基于气象雷达数据集的空气质量预报方法的流程示意图；

图2为本发明一种基于气象雷达数据集的空气质量预报系统的结构示意图；

图中；10、数据采集模块；20、电磁波分析模块；30、预测模型构建模块；40、预测误差分析模块；50、安全预警模块。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明提供一种基于气象雷达数据集的空气质量预报方法，包括如下步骤：

步骤一、获取气象雷达的技术规格书，在技术规格书中获取理想情况下该雷达工作时发射的电磁波信号相关参数，准备一台频谱分析仪和相应的天线，检测获取气象雷达实际发射电磁波数据。

步骤101、获取气象雷达的技术规格书，在技术规格书中获取理想情况下该雷达工作时发射的电磁波信号相关参数，包括振幅A和频率F。

步骤102、准备一台频谱分析仪和相应的天线，放在适合检测气象雷达实际发射电磁波数据的位置，并依据在技术规格书中记录的电磁波信号相关参数设置频谱分析仪的相关参数。包括扫描范围、中心频率及带宽。

频谱分析仪是一种专门用于分析信号频谱特征的设备，可以将复杂的信号分解成不同频率成分，并显示在屏幕上，通过对这些频率成分进行分析，可以得到电磁波的频率、带宽等属性信息。

步骤103、将天线指向气象雷达发射方向，并启动频谱分析仪开始检测，获取T时间内不同时段的电磁波振幅和频率，构建电磁波参数数据库，i表示T时间内不同时段的电磁波振幅和频率的编号，i=1、2、3、4、……、n，n为正整数。

使用时，结合步骤101至103中的内容：

通过实时收集气象雷达的电磁波数据，可以发现气象雷达系统中可能存在的问题或异常情况，并及时进行调整和优化，保证其正常运行，并为后期对气象雷达进行维修和改进气象雷达技术提供参考和依据，提供重要信息支持。

步骤二、将理想情况下该气象雷达工作时发射的电磁波信号振幅A及频率F和实际发射的电磁波信号每个T时间内的振幅及频率进行误差分析，获得电磁波振幅稳定指数Zf和电磁波频率稳定指数Ps，再将电磁波振幅稳定指数Zf和电磁波频率稳定指数Ps进一步关联形成电磁波综合稳定系数Dc。

步骤201、将理想情况下该气象雷达工作时发射的电磁波信号振幅A和实际发射的电磁波信号每个T时间内的振幅进行误差分析，获得电磁波振幅稳定指数Zf：

；

对应的电磁波振幅稳定指数Zf的计算公式如上。

步骤202、将理想情况下该气象雷达工作时发射的电磁波信号频率F和实际发射的电磁波信号每个T时间内的频率进行误差分析，获得电磁波频率稳定指数Ps：

；

对应的电磁波频率稳定指数Ps的计算公式如上。

步骤203、获取电磁波振幅稳定指数Zf和电磁波频率稳定指数Ps，无量纲化处理后，关联形成电磁波综合稳定系数Dc，电磁波综合稳定系数Dc的获取方式如下：

其中，，且为权重，由用户调整设置。

使用时，结合步骤201至203中的内容：

在实际应用中，由于各种因素的影响，气象雷达实际发射的电磁波信号可能会与理想情况下发射的电磁波信号存在一定的偏差，通过误差分析，可以了解这些偏差的来源和大小，进而确定系统误差，并采取相应措施进行校正，还可以发现雷达系统设计中存在的问题，并提出改进建议。例如，在天线设计中考虑到天线增益、辐射方向等因素时，需要对其性能进行评估和优化。

步骤三、将单站雷达多普勒速度计算法导入机器学习模型，建立第一空气质量预测模型，并将气象雷达数据集和电磁波综合稳定系数Dc作为样本数据导入第一空气质量预测模型，在经过样本数据训练及测试后，获得第二空气质量预测模型。

步骤301、将单站雷达多普勒速度计算法导入机器学习模型，建立第一空气质量预测模型，具体为：

将气象雷达发射的电磁波信号记为，回波信号记为 ，其中为发射频率，为初始相位，为回波信号相对于发射信号的延迟，为目标与雷达之间的距离，c为光速。

如果目标禁止，则为常数，且令，回波与发射信号之间有固定相位差，为波长。

如果目标与气象雷达之间有相对运动，距离随时间变化，设目标相对于雷达的径向运动速度为，则，回波延迟，进一步可得回波与发射信号之间的相位差为，对应产生的频率差为多普勒频率：

；其中：若多普勒频率为正，目标向着雷达飞行，若多普勒频率为负，目标逆着雷达飞行。

通过单站雷达多普勒速度计算法，可以计算出污染粒子的运动方向，可以监测大气中的污染物扩散情况，并且提供有力支持给环保部门和人员进行环境监测和预警，例如，在重污染天气中，可以通过对污染物扩散情况进行实时监测，及时采取相应措施减少污染。

步骤302、将气象雷达数据集和电磁波综合稳定系数Dc作为样本数据导入第一空气质量预测模型，在经过样本数据训练及测试后，获得第二空气质量预测模型。

使用时，结合步骤301及302中的内容：

通过将单站雷达多普勒速度计算法导入机器学习模型，建立空气质量预测模型，可以实现对污染源的动态监管，当发现某些污染源可能会对空气质量造成影响时，可以及时采取措施加以限制或治理。

步骤四、将电磁波参数数据库导入第二空气质量预测模型，获得第一空气质量预测值，并将第一空气质量预测值与实际空气质量值进行误差分析，获得预测离散程度值YLx，依据第二空气质量预测模型的预测离散程度值YLx与预设阈值的关系，判断是否能将第二空气质量预测模型输出应用。

步骤401、获取电磁波参数数据库，将实时发射的电磁波信号每个T时间内的振幅及频率导入第二空气质量预测模型，对当前空气质量的变化进行预测，获得第一空气质量预测值。

步骤402、通过空气质量监测站点获取对应第一空气质量预测值预测时间的实际空气质量值，并将第一空气质量预测值与实际空气质量值进行误差分析，计算分析后获得第二空气质量预测模型的预测离散程度值YLx，计算公式如下：

；

其中，t表示第一空气质量预测值和实际空气质量值对应的顺序编号，t=1、2、3、4、……、n，n为正整数。

步骤403、依据第二空气质量预测模型的预测离散程度值YLx与预设阈值的关系，判断是否能将第二空气质量预测模型输出应用，若预测离散程度值预设阈值，则将第二空气质量预测模型输出应用。若预测离散程度值预设阈值，则将第二空气质量预测模型进行再次训练及测试，直至预测离散程度值YLx小于预设阈值。

使用时，结合步骤401至403中的内容：

通过将第一空气质量预测值与实际空气质量值进行误差分析，可以评估模型的准确性，如果误差较小，则说明模型具有较高的预测能力，如果误差较大，则需要进一步优化模型，并针对性地调整模型参数。例如，在考虑到不同污染物种类、不同天气条件等因素时，需要对其权重进行调整。

步骤五、将经过误差分析的第二空气质量预测模型进行应用，获得第二空气质量预测值，并依据第二空气质量预测值与预设的第一阈值和第二阈值的关系，对未来的空气质量情况进行评估，选择对应的预警策略。

步骤501、将经过误差分析的第二空气质量预测模型进行应用，导入实时发射的电磁波信号每个T时间内的振幅及频率，获得第二空气质量预测值。

其中，t表示第二空气质量预测值对应的顺序编号，t=1、2、3、4、……、n，n为正整数。

步骤502、依据第二空气质量预测值与预设的第一阈值和第二阈值的关系，对未来的空气质量情况进行评估，并选择对应的预警策略，具体如下：

当第二阈值＜第一阈值时，说明未来空气质量处于常规状态，对应地，不向外发出预警信号，无需采取任何措施。

当第二阈值第一阈值时，说明未来空气质量处于二级污染状态，对应地，向外发出二级预警信号，可以采取建议敏感人群尽量减少户外活动时间，对于工业企业和交通运输等污染源，应加强监管和管理，限制排放。

当第二阈值＜第一阈值时，说明未来空气质量处于一级污染状态，对应地，向外发出一级预警信号，可以采取建议所有人避免户外活动，对于工业企业和交通运输等污染源，应立即停止生产或行驶，并采取紧急措施进行治理。

使用时，结合步骤501及502中的内容：

通过将经过误差分析的第二空气质量预测模型进行应用，对未来的空气质量情况进行评估，并及时发出相关预警信息，可以实现对污染源的动态监管，当发现某些污染源可能会对空气质量造成影响时，可以及时采取措施加以限制或治理。而且还可以提前预测可能出现的重污染天气，从而加强应急响应能力，例如，在重污染天气到来之前采取相应的措施，可以减少污染物排放、降低空气污染程度，可以提醒公众注意空气质量状况，引导公众采取相应的防护措施，减少对污染物的暴露，保护身体健康。

请参阅图2，本发明提供一种基于气象雷达数据集的空气质量预报系统，包括：

数据采集模块10，获取气象雷达的技术规格书，在技术规格书中获取理想情况下该雷达工作时发射的电磁波信号相关参数，准备一台频谱分析仪和相应的天线，检测获取气象雷达实际发射电磁波数据。

电磁波分析模块20，将理想情况下该气象雷达工作时发射的电磁波信号振幅A及频率F和实际发射的电磁波信号每个T时间内的振幅及频率进行误差分析，获得电磁波振幅稳定指数Zf和电磁波频率稳定指数Ps，再将电磁波振幅稳定指数Zf和电磁波频率稳定指数Ps进一步关联形成电磁波综合稳定系数Dc。

预测模型构建模块30，将单站雷达多普勒速度计算法导入机器学习模型，建立第一空气质量预测模型，并将气象雷达数据集和电磁波综合稳定系数Dc作为样本数据导入第一空气质量预测模型，在经过样本数据训练及测试后，获得第二空气质量预测模型。

预测误差分析模块40，将电磁波参数数据库导入第二空气质量预测模型，获得第一空气质量预测值，并将第一空气质量预测值与实际空气质量值进行误差分析，获得预测离散程度值YLx，依据第二空气质量预测模型的预测离散程度值YLx与预设阈值的关系，判断是否能将第二空气质量预测模型输出应用。

安全预警模块50，将经过误差分析的第二空气质量预测模型进行应用，获得第二空气质量预测值，并依据第二空气质量预测值与预设的第一阈值和第二阈值的关系，对未来的空气质量情况进行评估，选择对应的预警策略。

上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质（例如，软盘、硬盘、磁带）、光介质（例如，DVD)、或者半导体介质。半导体介质可以是固态硬盘。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM)、随机存取存储器（random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于气象雷达数据集的空气质量预报方法，其特征在于：包括如下步骤：

在技术规格书中获取理想情况下该雷达工作时发射的电磁波信号相关参数，并通过频谱分析仪和相应的天线检测获取气象雷达实际发射电磁波数据；

将理想情况下该气象雷达工作时发射的电磁波信号振幅A及频率F和实际发射的电磁波信号每个T时间内的振幅及频率进行误差分析，获得电磁波振幅稳定指数Zf和电磁波频率稳定指数Ps，再将电磁波振幅稳定指数Zf和电磁波频率稳定指数Ps进一步关联形成电磁波综合稳定系数Dc；

将单站雷达多普勒速度计算法导入机器学习模型，建立第一空气质量预测模型，并将气象雷达数据集和电磁波综合稳定系数Dc作为样本数据导入第一空气质量预测模型，在经过样本数据训练及测试后，获得第二空气质量预测模型；

将电磁波参数数据库导入第二空气质量预测模型，获得第一空气质量预测值，并将第一空气质量预测值与实际空气质量值进行误差分析，获得预测离散程度值YLx，依据第二空气质量预测模型的预测离散程度值YLx与预设阈值的关系，判断是否能将第二空气质量预测模型输出应用；

将经过误差分析的第二空气质量预测模型进行应用，获得第二空气质量预测值，并依据第二空气质量预测值与预设的第一阈值和第二阈值的关系，对未来的空气质量情况进行评估，选择对应的预警策略。

2.根据权利要求1所述的一种基于气象雷达数据集的空气质量预报方法，其特征在于：将天线指向气象雷达发射方向，并启动频谱分析仪开始检测，获取T时间内不同时段的电磁波振幅和频率，构建电磁波参数数据库，i表示T时间内不同时段的电磁波振幅和频率的编号，i=1、2、3、4、……、n，n为正整数。

3.根据权利要求2所述的一种基于气象雷达数据集的空气质量预报方法，其特征在于：将理想情况下该气象雷达工作时发射的电磁波信号振幅A及频率F和实际发射的电磁波信号每个T时间内的振幅及频率进行误差分析，获得电磁波振幅稳定指数Zf和电磁波频率稳定指数Ps：

;

对应的电磁波振幅稳定指数Zf和电磁波频率稳定指数Ps的计算公式如上。

4.根据权利要求3所述的一种基于气象雷达数据集的空气质量预报方法，其特征在于：获取电磁波振幅稳定指数Zf和电磁波频率稳定指数Ps，无量纲化处理后，关联形成电磁波综合稳定系数Dc，电磁波综合稳定系数Dc的获取方式如下：

;

其中，，且为权重，由用户调整设置。

5.根据权利要求1所述的一种基于气象雷达数据集的空气质量预报方法，其特征在于：将单站雷达多普勒速度计算法导入机器学习模型，建立第一空气质量预测模型，具体为：

将气象雷达发射的电磁波信号记为，回波信号记为 ，其中为发射频率，为初始相位，为回波信号相对于发射信号的延迟，为目标与雷达之间的距离，c为光速；

如果目标禁止，则为常数，且令，回波与发射信号之间有固定相位差，为波长；

如果目标与气象雷达之间有相对运动，距离随时间变化，设目标相对于雷达的径向运动速度为，则t，回波延迟，进一步可得回波与发射信号之间的相位差为，对应产生的频率差为多普勒频率：

；

其中：若多普勒频率为正，目标向着雷达飞行，若多普勒频率为负，目标逆着雷达飞行。

6.根据权利要求1所述的一种基于气象雷达数据集的空气质量预报方法，其特征在于：通过空气质量监测站点获取对应第一空气质量预测值预测时间的实际空气质量值，并将第一空气质量预测值与实际空气质量值进行误差分析，计算分析后获得第二空气质量预测模型的预测离散程度值YLx，计算公式如下：

;

其中，t表示第一空气质量预测值和实际空气质量值对应的顺序编号，t=1、2、3、4、……、n，n为正整数。

7.根据权利要求6所述的一种基于气象雷达数据集的空气质量预报方法，其特征在于：依据第二空气质量预测模型的预测离散程度值YLx与预设阈值的关系，判断是否能将第二空气质量预测模型输出应用，若预测离散程度值预设阈值，则将第二空气质量预测模型输出应用；若预测离散程度值预设阈值，则将第二空气质量预测模型进行再次训练及测试，直至预测离散程度值YLx小于预设阈值。

8.根据权利要求1所述的一种基于气象雷达数据集的空气质量预报方法，其特征在于：依据第二空气质量预测值与预设的第一阈值和第二阈值的关系，对未来的空气质量情况进行评估，并选择对应的预警策略，具体如下：

当第二阈值＜第一阈值时，说明未来空气质量处于常规状态，对应地，不向外发出预警信号；

当第二阈值第一阈值时，说明未来空气质量处于二级污染状态，对应地，向外发出二级预警信号；

当第二阈值＜第一阈值时，说明未来空气质量处于一级污染状态，对应地，向外发出一级预警信号。

9.一种基于气象雷达数据集的空气质量预报系统，其特征在于：包括：

数据采集模块（10），获取气象雷达的技术规格书，在技术规格书中获取理想情况下该雷达工作时发射的电磁波信号相关参数，准备一台频谱分析仪和相应的天线，检测获取气象雷达实际发射电磁波数据；

电磁波分析模块（20），将理想情况下该气象雷达工作时发射的电磁波信号振幅A及频率F和实际发射的电磁波信号每个T时间内的振幅及频率进行误差分析，获得电磁波振幅稳定指数Zf和电磁波频率稳定指数Ps，再将电磁波振幅稳定指数Zf和电磁波频率稳定指数Ps进一步关联形成电磁波综合稳定系数Dc；

预测模型构建模块（30），将单站雷达多普勒速度计算法导入机器学习模型，建立第一空气质量预测模型，并将气象雷达数据集和电磁波综合稳定系数Dc作为样本数据导入第一空气质量预测模型，在经过样本数据训练及测试后，获得第二空气质量预测模型；

预测误差分析模块（40），将电磁波参数数据库导入第二空气质量预测模型，获得第一空气质量预测值，并将第一空气质量预测值与实际空气质量值进行误差分析，获得预测离散程度值YLx，依据第二空气质量预测模型的预测离散程度值YLx与预设阈值的关系，判断是否能将第二空气质量预测模型输出应用；

安全预警模块（50），将经过误差分析的第二空气质量预测模型进行应用，获得第二空气质量预测值，并依据第二空气质量预测值与预设的第一阈值和第二阈值的关系，对未来的空气质量情况进行评估，选择不同的预警策略。