申请/专利权人：东南大学

申请日：2022-03-25

公开（公告）日：2024-04-23

公开（公告）号：CN114676822B

主分类号：G06N3/0442

分类号：G06N3/0442;G06N3/084;G01N33/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2022.07.15#实质审查的生效;2022.06.28#公开

摘要：本发明提供了一种基于深度学习的多属性融合空气质量预报方法，包括数据采集、数据预处理、构建空气质量一次预报模型、构建空气质量二次预报模型、空气质量二次预报模型修正及预报结果输出的步骤，将气象因子、区域气象影响因素纳入模型进行多维综合预测，充分利用了深度学习在数据处理方面的优势，借助长短期记忆网络对污染物浓度的历史实测数据的变化情况进行分析，解耦了污染物生成机理受限的问题。

主权项：1.一种基于深度学习的多属性融合空气质量预报方法，其特征在于，包括如下步骤：S1，数据采集：所述数据至少包括污染物浓度，连续采集固定时间段内目标区域的污染物浓度数据，对数据异常或数据缺失时，采用邻近插值的方式补齐；S2，数据预处理：对经过步骤S1采集后的数据进行数据标准化和归一化处理，随后将预处理后的数据按照70％、20％、10％的比例划分训练集、测试集和验证集，所述归一化的方式为： 其中，x为输入数据，xmin，xmax、xnorm分别是输入数据中最小值、最大值和具体归一化后的值，且归一化后的值在0到1之间；S3，构建空气质量一次预报模型：一次预报模型包括输入层、4个隐层、全连接输出层，具体为：y1＝TinyLSTMx其中，x为输入序列，y1为空气质量一次预报结果，TinyLSTM为构建的一次预报模型；S4，构建空气质量二次预报模型：根据气象条件的分指数移动极差选取气象因子，采用多元线性拟合得到结合气象因子的二次初步预测模型，所述二次初步预测模型为：y2＝∑αixi+βy1其中，y1为一次预报模型结果，xi为气象因子，αi和β为权重系数；S5，空气质量二次预报模型修正：对周边地区的空气污染情况进行莫兰指数分析，选取具有局部空间相关性的几个地区，并根据其地理位置构造其空间权重矩阵，计算上述气象因子变量，与二次初步污染物预测浓度求取对应地区的污染物浓度预测回归方程，根据污染物浓度预测回归方程获取所有地区的预测的污染物浓度构成浓度矩阵，与空间权重矩阵相乘，最终输出二次预测的污染物浓度，所述回归方程为：CON′＝γ1x1+γ2x2+...+γnxn+γCIN其中，γi为权重系数，i＝1,2,..，x1,x2,…,xn代表n个不同的气象因子，二次初步预测浓度为CON，二次阶段预测浓度为CON′；S6，预报结果输出：步骤S5模型的预测输出，经过反归一化处理后得到最终预测的污染物浓度；其中，在模型训练的过程中，反归一化处理后的预测污染物浓度通过均方误差损失函数计算与真实污染物浓度的误差，利用梯度下降法在反向传播时更新和优化模型的相关参数，经过多次迭代后得到最终的空气质量预测模型。

全文数据：

权利要求：

百度查询： 东南大学 一种基于深度学习的多属性融合空气质量预报方法

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。

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