The invention relates to a hot spot grid recognition method based on in-depth learning of multi-dimensional features, which includes: acquiring regional information of monitoring area, dividing monitoring area into several grid units according to regional information; acquiring multi-dimensional feature data of each grid unit; extracting the first feature parameters of each multi-dimensional feature data; and acquiring the first pollution source information of each grid unit. The first pollution source information is corrected and processed to obtain the second pollution source information; the second characteristic parameters of the second pollution source information are extracted; the multi-dimensional feature vectors are constructed according to the first and second characteristic parameters; the multi-dimensional feature vectors of all mesh units are generated into the multi-dimensional feature sample set; and the multi-dimensional feature sample set is trained by the depth learning model to obtain recognition. According to the recognition model, the target area is recognized and processed, and the hot spot grid is obtained.
【技术实现步骤摘要】
基于多维特征深度学习的热点网格识别方法
本专利技术涉及数据处理
,尤其涉及一种基于多维特征深度学习的热点网格识别方法。
技术介绍
随着各项工业的迅速发展,产生了大量有害物质,如烟尘、二氧化硫、氮氧化物、一氧化碳、碳氢化合物等。这些有害物质持续不断地排放到大气中,当其含量超过环境所能承受的极限后,就会破坏自然的物理、化学和生态平衡,形成大气污染,危害人们的生活、工作和健康。随着全国大范围雾霾天气的出现,PM2.5这一名词进入公众视野。PM2.5是指环境空气中空气动力学当量直径小于等于2.5微米的颗粒物。它能较长时间悬浮于空气中,其在空气中含量浓度越高,就代表空气污染越严重。大气污染监测是指测定大气环境中污染物的种类及其浓度,观察其时空分布和变化规律的过程。大气污染监测的目的在于识别大气中的污染物质,掌握其分布与扩散规律,监视大气污染源的排放和控制情况。由于监测区域范围大,人力物力有限,给大气污染监测带来困难。因此,目前急需一种对大气污染区域进行有效监测的解决方案。
技术实现思路
本专利技术的目的是针对现有技术中存在的缺陷,提供一种基于多维特征深度学习的热点网格识别方法。为实现上述目的,第一方面,本专利技术提供了一种基于多维特征深度学习的热点网格识别方法,包括:获取监测区域的区域信息,根据所述区域信息将所述监测区域划分为多个网格单元;获取每一个所述网格单元的多维特征数据,所述多维特征数据包括污染物数据、基础地理数据、气象要素特征数据、地面要素特征数据、地理位置数据;提取每一项所述多维特征数据的第一特征参数;获取每一个所述网格单元的第一污染源信息,并对所述第一 ...
【技术保护点】
1.一种基于多维特征深度学习的热点网格识别方法,其特征在于,所述方法包括:获取监测区域的区域信息,根据所述区域信息将所述监测区域划分为多个网格单元;获取每一个所述网格单元的多维特征数据,所述多维特征数据包括污染物数据、基础地理数据、气象要素特征数据、地面要素特征数据、地理位置数据;提取每一项所述多维特征数据的第一特征参数;获取每一个所述网格单元的第一污染源信息,并对所述第一污染源信息进行校正处理,得到第二污染源信息;提取所述第二污染源信息的第二特征参数;根据所述第一特征参数、第二特征参数构造多维特征向量;将所有网格单元的多维特征向量生成多维特征样本集;采用深度学习模型对所述多维特征样本集进行训练,得到识别模型;根据所述识别模型对目标区域进行识别处理,得到热点网格。
【技术特征摘要】
1.一种基于多维特征深度学习的热点网格识别方法,其特征在于,所述方法包括:获取监测区域的区域信息,根据所述区域信息将所述监测区域划分为多个网格单元;获取每一个所述网格单元的多维特征数据,所述多维特征数据包括污染物数据、基础地理数据、气象要素特征数据、地面要素特征数据、地理位置数据;提取每一项所述多维特征数据的第一特征参数;获取每一个所述网格单元的第一污染源信息,并对所述第一污染源信息进行校正处理,得到第二污染源信息;提取所述第二污染源信息的第二特征参数;根据所述第一特征参数、第二特征参数构造多维特征向量;将所有网格单元的多维特征向量生成多维特征样本集;采用深度学习模型对所述多维特征样本集进行训练,得到识别模型;根据所述识别模型对目标区域进行识别处理,得到热点网格。2.根据权利要求1所述的方法,其特征在于,获取网格单元的污染物数据具体包括:根据卫星遥感数据获取所述网格单元的近地面第一PM2.5浓度数据;根据空气质量地面观测数据和高密度空气质量监测设备对所述第一PM2.5浓度数据进行校正处理,得到第二PM2.5浓度数据;根据气象观测数据、地形数据和气象动力学模型对所述第二PM2.5浓度数据进行校正处理,得到所述网格单元近期地面PM2.5浓度背景数据。3.根据权利要求1所述的方法,其特征在于,获取基础地理数据具体包括:获取网格单元的工业信息点P...
【专利技术属性】
技术研发人员:廖炳瑜,丁相元,汤宇佳,范迎春,
申请(专利权)人:北京英视睿达科技有限公司,
类型:发明
国别省市:北京,11
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。