申请/专利权人：中国地质大学(武汉)

申请日：2021-07-27

公开（公告）日：2024-03-29

公开（公告）号：CN113610286B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/26;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2021.11.23#实质审查的生效;2021.11.05#公开

摘要：本发明公开了一种顾及时空相关性和气象因素的PM2.5浓度预测方法及装置，在充分顾及空气质量监测站点时空相关性的基础上，融合气象因素对不同时间尺度下PM2.5浓度进行预测，该方法包括：构建数据集；补全处理；构建时间图卷积网络；时空特征提取；模型耦合和微调；预测精度对比。本发明构建了时间图卷积网络，通过图卷积神经网络提取站点的空间相关性，通过门控递归单元提取站点的时间相关性。在叠加多个时间图卷积网络后，构建全连接神经网络，实现多种气象因素的融合。通过本发明所提供的耦合模型，充分顾及不同站点在时间和空间的相关性，并兼顾到站点位置相应的气象因子的时空相关特征，大大提高了不同时间尺度下空气质量预测效果。

主权项：1.一种顾及时空相关性和气象因素的PM2.5浓度预测方法，其特征在于，包括以下步骤：S1、构建空气质量特征数据集，包括PM2.5浓度数据和多种气象因素数据；S2、将所述PM2.5浓度数据和所述多种气象因素数据分别按时间和空间位置进行匹配，得到不同站点的PM2.5浓度时序数据和不同站点的多种气象因素时序数据；S3、搭建时间图卷积网络；S4、将所述不同站点的PM2.5浓度时序数据和所述不同站点的多种气象因素时序数据，依次输入多个所述时间图卷积网络进行训练，输出未来时段下顾及站点时空相关性的多维特征预测值；S5、将所述多维特征预测值输入全连接神经网络，输出目标站点在未来时段的最终PM2.5浓度预测值。

全文数据：

权利要求：

百度查询： 中国地质大学(武汉) 顾及时空相关性和气象因素的PM_2.5浓度预测方法及装置

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD