申请/专利权人:太原理工大学
申请日:2023-12-13
公开(公告)日:2024-03-22
公开(公告)号:CN117741820A
主分类号:G01W1/10
分类号:G01W1/10;G06N3/0442;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本发明涉及空气中PM2.5的预测方法,具体为一种小时PM2.5浓度预测方法。本发明通过使用CEEMDAN和VMD对PM2.5历史序列进行二次分解,融合全球导航卫星系统GNSS反演的可降水量PWV、气象参数(相对湿度、压强、温度、风速)、空气污染因子(PM10、SO2、NO2、CO、O3),使用基于注意力机制的双向长短期记忆网络建立预测模型,实现对小时PM2.5浓度的精准预测。
主权项:1.一种小时PM2.5浓度预测方法,其特征在于:包括以下步骤:首先对PM2.5历史序列进行二次分解,第一次分解使用自适应噪声完备集合经验模态分解对原始PM2.5历史序列进行分解,分解得到本征模态函数IMF2、IMF3,、…、IMFN和残差向量RES,第二次分解使用变分模态分解对IMF1进行分解,得到本征模态函数VMF1、VMF2、…、VMFK,在对PM2.5历史序列进行二次分解后,融合全球导航卫星系统GNSS反演的可降水量PWV、气象参数、空气污染因子多特征M,形成特征空间数据VMF1,M、VMF2,M、…、VMFK,M、IMF2,M、IMF3,M、…、IMFn,M、RES,M,并且特征空间数据按比例分为了数据集和预测集,使用基于注意力机制的双向长短期记忆网络建立预测模型,先用数据集训练预测模型,再对由训练好的预测模型根据预测集得到的所有预测值进行重构,即可获得最终的PM2.5浓度预测结果,实现对下一小时PM2.5浓度的预测。
全文数据:
权利要求:
百度查询: 太原理工大学 一种小时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。