申请/专利权人:内蒙古科技大学包头师范学院;四川农业大学
申请日:2023-01-05
公开(公告)日:2023-05-23
公开(公告)号:CN116153429A
主分类号:G16C20/20
分类号:G16C20/20;G16C20/70;G06N3/0455;G06N3/0464;G06N3/08;G06N3/096;G06F18/15;G06F18/214;G06F18/25;G06F123/02
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.06.09#实质审查的生效;2023.05.23#公开
摘要:本发明属于PM2.5浓度预测技术领域,公开了一种基于ST‑Informer预测模型的PM2.5浓度预测方法,包括:S1.在目标范围内设置若干监测站点,通过所述监测站点采集所述目标范围内的气象数据和空气污染物浓度数据,得到数据集;S2.对数据集进行数据预处理和时空相关性分析,得到数据时空矩阵;S3.在Informer模型中构建时空嵌入层,得到ST‑Informer预测模型;所述时空嵌入层包括时间嵌入层、空间嵌入层和值嵌入层;S4.利用所述数据时空矩阵优化训练所述ST‑Informer预测模型;S5.以所述监测站点实时采集的气象数据和空气污染物浓度数据为输入量,并基于所述输入量与优化训练后的所述ST‑Informer预测模型预测所述目标范围内的PM2.5浓度。综上,本发明能高效率、高精度的预测PM2.5浓度。
主权项:1.一种基于ST-Informer预测模型的PM2.5浓度预测方法,其特征在于,包括如下步骤:S1.在目标范围内设置若干监测站点,通过所述监测站点采集所述目标范围内的气象数据和空气污染物浓度数据,得到数据集;所述数据集中气象数据包括温度、气压、露点、降雨量、风向和风速;所述数据集中所述空气污染物浓度数据包括PM2.5浓度、PM10浓度、SO2浓度、NO2浓度、CO浓度和O3浓度;S2.对数据集进行数据预处理和时空相关性分析,得到数据时空矩阵;S3.在Informer模型中构建时空嵌入层,得到ST-Informer预测模型;所述时空嵌入层包括时间嵌入层、空间嵌入层和值嵌入层;S4.利用所述数据时空矩阵优化训练所述ST-Informer预测模型;S5.以所述监测站点实时采集的气象数据和空气污染物浓度数据为输入量,并基于所述输入量与优化训练后的所述ST-Informer预测模型预测所述目标范围内的PM2.5浓度。
全文数据:
权利要求:
百度查询: 内蒙古科技大学包头师范学院;四川农业大学 一种基于ST-Informer预测模型的PM2.5浓度预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。