【技术实现步骤摘要】
本专利技术涉及电子
,尤其涉及一种空气质量指数预测方法和装置。
技术介绍
随着工业化和城镇化的推进以及城市车辆的持续增加,大气污染日益加重,城市空气质量逐步恶化,雾霾天气也越来越多,严重影响了人们的工作生活,由此造成的健康损害引起了政府和民众的广泛关注。AQI(空气质量指数,AirQualityIndex)是定量描述城市空气质量情况的一个参数,也是目前衡量空气质量情况最常参考的指标。AQI通过函数关系将二氧化硫(SO2)、一氧化碳(CO)、二氧化氮(NO2)、臭氧(O3)以及悬浮颗粒物PM2.5和PM10五类污染物的含量信息折算为一个参数。AQI的取值区间为[0,500],AQI数值越大、级别越高,表面空气污染状况越严重。对一个城市的AQI进行快速、准确地预测可为预防和治理空气污染发挥积极作用。目前,针对AQI预测的方法主要分为两大类:(1)因素预测法:通过建立AQI与其各影响因素之间的定量关系预测AQI。然而,由于AQI的影响因素复杂,涉及数据量大,且各影响因素之间具有高度的非线性关系,因此难以建立精确的预测模型,预测精度差。(2)基于时间序列的预测法:该类方法又可细分为两类,具体为针对原始AQI时间序列的预测方法和融入数据分解技术的AQI时间序列预测方法。其中,数据分解技术例如EMD(经验模态分解,EmpiricalModeDecomposition)、EEMD(集合经验模态分解,EnsembleEmpiricalModeDecomposition)。然而,目前融入数据分解技术的AQI时间序列预测法,只采用单一数据分解技术对AQI时间序列数据进 ...
【技术保护点】
一种空气质量指数预测方法,其特征在于,包括:获得待预测地理位置的历史空气质量指数AQI数据;根据互补集合经验模态分解CEEMD方法,将所述历史AQI数据分解为m个固有模态函数IMF分量和一个趋势分量;其中,m为大于1的自然数;获得所述m个IMF分量中的高频IMF分量;基于变分模态分解VMD方法,获得所述高频IMF分量的n个变分模态VM分量;其中,n为大于1的自然数;基于极限学习机模型,获得所述n个VM分量的预测值、所述高频IMF分量以外的其它IMF分量的预测值以及所述趋势分量的预测值;获得所述高频IMF分量对应的所述VM分量的预测值的第一线性叠加值,并将所述第一线性叠加值确定为所述高频IMF的预测值;获得所述高频IMF的预测值、所述其它IMF分量的预测值以及所述趋势分量的预测值的第二线性叠加值,并将所述第二线性叠加值确定为所述待预测地理位置的AQI预测值。
【技术特征摘要】
1.一种空气质量指数预测方法,其特征在于,包括:获得待预测地理位置的历史空气质量指数AQI数据;根据互补集合经验模态分解CEEMD方法,将所述历史AQI数据分解为m个固有模态函数IMF分量和一个趋势分量;其中,m为大于1的自然数;获得所述m个IMF分量中的高频IMF分量;基于变分模态分解VMD方法,获得所述高频IMF分量的n个变分模态VM分量;其中,n为大于1的自然数;基于极限学习机模型,获得所述n个VM分量的预测值、所述高频IMF分量以外的其它IMF分量的预测值以及所述趋势分量的预测值;获得所述高频IMF分量对应的所述VM分量的预测值的第一线性叠加值,并将所述第一线性叠加值确定为所述高频IMF的预测值;获得所述高频IMF的预测值、所述其它IMF分量的预测值以及所述趋势分量的预测值的第二线性叠加值,并将所述第二线性叠加值确定为所述待预测地理位置的AQI预测值。2.如权利要求1所述的方法,其特征在于,根据互补集合经验模态分解CEEMD方法,将所述历史AQI数据分解为m个固有模态函数IMF分量和一个趋势分量,包括:向所述历史AQI数据序列中加入辅助白噪声,获得两个新的集合IMF信号;其中,向所述历史AQI数据序列中加入辅助...
【专利技术属性】
技术研发人员:王德运,魏帅,罗宏远,奥利维尔·格伦德,乐陈强,刘艳玲,
申请(专利权)人:中国地质大学武汉,
类型:发明
国别省市:湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。