4. 日均值计算中的缺失数据处理策略

环境空气自动监测系统以小时值为基本统计单元，日均值由当日各小时浓度按时间加权或算术平均得到。但在实际运行中，仪器校准、停电、通信中断、故障维修、异常值剔除等原因，都会造成某些小时数据缺失。缺失数据如何处理，直接决定日均值是否有效、是否可比，因此必须先明确识别、标记与处理三个环节的规则，再谈具体计算。

一、缺失数据的识别与标记

缺失数据不是简单的“没有数”，需要区分三种情形：一是物理缺失，即该小时仪器未产生任何记录，数据表中为空；二是无效数据，即仪器有输出但经审核判定不可用，如校准时段、量程超限、负值、恒值、异常突变；三是未审核数据，即原始记录存在但尚未完成有效性判定。三者对日均值的影响不同，处理前必须先在数据表中用状态标识区分，例如用“有效”“无效”“缺失”“未审核”四类标记，并保留原始值和时间戳，不得直接覆盖。

识别无效数据常用判据包括：小时值超过仪器量程上限或低于方法检出限的负值；同一污染物连续多个小时数值完全不变（恒值）；相邻小时变化率超过预设阈值（突变）；校准、零点/跨度检查时段内的记录；以及采样流量、温度、压力等辅助参数越限时对应的小时值。标记时应记录判定依据和审核人，保证可追溯。

二、三类处理策略及其适用条件

删除策略：将无效或缺失小时值从当日统计中剔除，仅用剩余有效小时值计算日均值。适用于缺失数量少、且缺失时段与当日浓度变化无明显系统性关联的情形。删除后必须同时检查当日有效小时数是否满足最低要求，否则日均值不能成立。

插补策略：用相邻时段数据或模型估算值填补缺失小时，再参与日均值计算。常用方法有线性内插（用缺失前后最近的有效小时值按时间线性插值）、前值保持（用前一有效小时值替代）、以及基于历史同期或相邻站点数据的回归插补。插补只适用于短时缺失，一般连续缺失不超过2～3小时，且插补值必须单独标记为“插补”，不得与实测值混同。插补会人为降低当日数据的方差，因此不能用于缺失比例较高的日子。

不计算策略：当有效小时数不足、或缺失时段覆盖了浓度日变化的关键阶段（如早晚高峰）时，直接判定当日日均值无效，不参与月均统计。这是最保守也最可靠的做法，可避免用少量数据外推全天。

三、对日均值的影响与有效性门槛

删除与插补都会改变参与平均的样本集合，从而改变日均值。缺失时段若恰好是浓度高值时段（如逆温清晨），删除会低估日均值；若缺失的是低值时段，删除会高估。插补则倾向于把日均值拉向相邻时段的水平，平滑掉真实波动。因此，处理策略的选择必须与当日污染过程的时段分布结合判断，而不能只看缺失个数。

工程上通常设定有效性门槛：一日24个小时值中，有效小时数不少于20个（即有效率不低于75%～80%，具体以执行标准或监测规范为准）时，日均值才有效；有效小时数不足时判为无效。有效率计算公式为：有效率 = 有效小时数 ÷ 应测小时数 × 100%。这里的“有效小时数”指经审核可用的小时值，插补值是否计入有效小时数应事先在质控规则中明确，一般建议插补值不计入有效小时数，只用于补全计算。

四、示例演算

假设某日某站点PM2.5小时值共24个，其中2:00—4:00因校准标记为无效（3个），15:00因通信中断缺失（1个），其余20个为有效值。有效小时数为20，有效率 = 20 ÷ 24 × 100% ≈ 83.3%，达到75%门槛，可采用删除策略：将20个有效小时值求和后除以20得到日均值。若该日缺失为2:00—7:00共6个，有效小时数仅18个，有效率75%恰好处于边界，此时应结合缺失时段是否覆盖清晨高值段判断；若覆盖关键时段，宜判为不计算，而不是强行插补6个小时。

再如某日仅12:00缺失1小时，前后11:00和13:00有效值分别为35 μg/m³和41 μg/m³，采用线性内插得12:00估算值38 μg/m³，标记为插补后参与平均，但有效小时数仍按23个计（插补不计入有效），有效率95.8%，日均值有效。这一处理既补全了计算，又保留了数据质量信息。

五、操作要点与记录要求

• 先标记后计算：任何删除或插补都必须以状态标记为前提，原始数据不得删除或覆盖。
• 插补有上限：连续缺失超过2～3小时或当日缺失比例较高时，优先判为不计算。
• 门槛要统一：有效率门槛、插补是否计入有效小时数，应在质控方案中事先规定并在全期数据中一致执行。
• 结果可追溯：日均值记录中应同时保存有效小时数、有效率、插补小时数及插补方法，便于月均统计和复核。

缺失数据处理的核心不是“把数补齐”，而是保证日均值代表当日真实污染水平。删除、插补、不计算三种策略各有适用边界，判断依据始终是有效小时数是否达标、缺失时段是否关键、以及处理是否可追溯。只有把识别、标记、门槛判断和处理记录串成完整链条，日均值才具备与月均值衔接的可信基础。