空气污染物浓度的预测方法及装置、电子设备制造方法及图纸

本申请涉及环境监测技术领域，尤其涉及一种空气污染物浓度的预测方法及装置、电子设备。空气污染物浓度的预测方法，包括：获取目标预测站点的第一位置信息及空气污染物浓度的预测时间段；根据所述第一位置信息获取与所述目标预测站点相邻的若干个空气检测站点的第二位置信息、历史空气污染物浓度及所述历史空气污染物浓度的采集时间；根据所述第二位置信息、历史空气污染物浓度及采集时间，对所述目标预测站点在所述预测时间段的空气污染物浓度进行预测。本申请提供的方案涉及神经网络算法建立预测模型，该方案有利于提高预测数据的准确性，减小预测的误差。

Prediction Method of Air Pollutant Concentration and Equipment and Electronic Equipment

The application relates to the technical field of environmental monitoring, in particular to a prediction method of air pollutant concentration, a device and an electronic device. The prediction methods of air pollutant concentration include: acquiring the first position information of the target prediction station and the prediction time period of air pollutant concentration; acquiring the second position information, the historical air pollutant concentration and the acquisition time of the historical air pollutant concentration of several air detection stations adjacent to the target prediction station according to the first position information; The second position information, the historical air pollutant concentration and the acquisition time are used to predict the air pollutant concentration of the target prediction station in the prediction period. The scheme provided in this application involves the establishment of prediction model by neural network algorithm, which is beneficial to improving the accuracy of prediction data and reducing the prediction error.

【技术实现步骤摘要】
空气污染物浓度的预测方法及装置、电子设备
本申请涉及环境监测
，具体而言，本申请涉及一种空气污染物浓度的预测方法及装置、电子设备。
技术介绍
随着社会的发展，工厂及机动车辆持续增加，诸多环境问题随之产生，空气污染问题日益严重，人们需要预知某一区域准确的空气污染物情况，以便根据空气污染物情况进行合理的规划。现有技术一般是针对单个检测站点，从时间或空间的单一维度进行空气污染物的预测，空气质量检测站点对空气污染物的检测受多个因素的影响，如：空气污染物浓度、天气情况等，因此对于一个检测点来说，附近区域的空气质量情况是会对检测结果存在影响，而单个检测站点的空气污染物分布情况检测信息无法覆盖到附近区域的空气质量情况，导致预测结果的与实际情况之间存在较大误差。
技术实现思路
本申请提供了一种空气污染物浓度的预测方法及装置、电子设备，以降低预测结果的误差，提高空气污染物浓度的预测精准度。技术方案如下：本申请实施例首先提供了一种空气污染物浓度的预测方法，包括：获取目标预测站点的第一位置信息及空气污染物浓度的预测时间段；根据所述第一位置信息获取与所述目标预测站点相邻的若干个空气检测站点的第二位置信息、历史空气污染物浓度及所述历史空气污染物浓度的采集时间；根据所述第二位置信息、历史空气污染物浓度及采集时间，对所述目标预测站点在所述预测时间段的空气污染物浓度进行预测。优选地，根据所述第二位置信息、历史空气污染物浓度及采集时间，对所述目标预测站点的在所述预测时间段的空气污染物浓度进行预测的步骤包括：将所述第二位置信息、历史空气污染物浓度及采集时间整合成三维的样本数据；以所述三维的样本数据作为训练样本，训练出空气污染物浓度的预测模型；将所述预测时间段输入所述预测模型进行预测，得到所述预测时间段的空气污染物浓度。优选地，所述将所述第二位置信息、历史空气污染物浓度及采集时间整合成三维的样本数据的步骤，包括：对所述空气检测站点的第二位置信息、历史空气污染物浓度及采集时间进行空气污染物浓度信息的整合，获得空气污染物浓度的三维数据。优选地，将所述第二位置信息、历史空气污染物浓度及采集时间整合成三维数据之前，还包括：将各个空气检测站点分散的第二位置信息整合到二维网格中，所述二维网络包含空气检测站点的相对位置信息；为所述二维网格添加距离通道，所述距离通道存储所述若干空气检测站点到目标预测站点的距离信息。优选地，所述将各个空气检测站点分散的第二位置信息整合到二维网格中的步骤，包括：根据所述第二位置信息获得各空气检测站点的相对位置信息，将所述相对位置信息存储于二维网格中。优选地，空气污染物存在多种时，以所述三维的样本数据作为训练样本，训练出空气污染物浓度的预测模型的步骤，包括：根据各空气检测站点的历史空气污染物的属性信息获得每种空气污染物的历史空气污染物浓度；根据每种空气污染物的历史空气污染物浓度及对应的采集时间及第二位置信息建立每种空气污染物浓度的预测模型。优选地，当空气污染物存在与之相关的关联空气污染物时，根据每种空气污染物的历史空气污染物浓度及对应的采集时间及第二位置信息建立每种空气污染物浓度的预测模型的步骤，包括：获得与所述空气污染物相关联的关联空气污染物的污染物浓度；结合所述空气污染物及其关联空气污染物的污染物浓度及对应的样本数据作为训练样本获得该种空气污染物浓度的预测模型。优选地，所述以所述三维的样本数据作为训练样本，训练出空气污染物浓度的预测模型的步骤，包括：调整卷积神经网络的参数获得预测模型建立过程中的各个维度的特征参数；其中，卷积神经网络的参数包括三维卷积核的大小、步长、卷积层数中的至少一种；利用所述样本数据作为训练样本对特征参数进行学习，根据各个特征参数的学习结果获得空气污染物浓度的预测模型。进一步地，本申请还提供了了一种空气污染物浓度的预测装置，包括：第一获取模块，用于获取目标预测站点的第一位置信息及空气污染物浓度的预测时间段；第二获取模块，用于根据所述第一位置信息获取与所述目标预测站点相邻的若干个空气检测站点的第二位置信息、历史污染物浓度及所述历史空气污染物浓度的采集时间；预测模块，用于根据所述第二位置信息、历史空气污染物浓度及采集时间，对所述目标预测站点在所述预测时间段的空气污染物浓度进行预测。进一步地，本申请实施例还提供了一种电子设备，其包括：一个或多个处理器；存储器；一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个应用程序配置用于：执行上述任一项技术方案所述的空气污染物浓度的预测方法的步骤。更进一步地，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机指令，当其在计算机上运行时，使得计算机可以执行上述任一技术方案所述的空气污染物浓度的预测方法的步骤。相比现有技术，本申请提供的方案具有以下优点：本申请实施例提供的空气污染物浓度的预测方法，通过获得目标预测站点相邻空气检测站点的历史空气污染物浓度的数据，获得所述目标预测站点在预测时间段的空气污染物浓度的预测数据。与基于目标检测站点的历史数据进行空气污染物浓度预测相比，本方案结合了与目标预测站点相邻的空气检测站点采集的历史污染物浓度数据进行目标预测站点的空气污染物浓度预测，考虑了相邻空气检测站点对目标检测站点的影响，有利于提高预测数据的准确性，减小预测的误差。本申请实施例提供的空气污染物浓度的预测方法，通过将第二位置信息、历史空气污染物浓度及采集时间整合成三维的样本数据，基于该三维数据对空气污染物浓度进行预测，有利于提高获得预测数据的准确性。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。图1为本申请实施例提供的空气污染物浓度的预测方法的流程示意图；图2为本申请实施例提供的根据所述第二位置信息、历史空气污染物浓度及采集时间，对所述目标预测站点的在所述预测时间段的空气污染物浓度进行预测的步骤的流程示意图；图3为本申请实施例提供的将所述第二位置信息、历史空气污染物浓度及采集时间整合成三维数据的步骤之前步骤的流程示意图；图4为本申请实施例提供的当空气污染物存在多种时，以所述三维的样本数据作为训练样本，训练出空气污染物浓度的预测模型的步骤的流程示意图；图5为本申请实施例提供的空气污染物浓度的预测装置的框架示意图；图6为本申请实施例提供的一种电子设备的结构示意图。具体实施方式下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本申请的限制。本
技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”本文档来自技高网...

【技术保护点】
1.一种空气污染物浓度的预测方法，其特征在于，包括：获取目标预测站点的第一位置信息及空气污染物浓度的预测时间段；根据所述第一位置信息获取与所述目标预测站点相邻的若干个空气检测站点的第二位置信息、历史空气污染物浓度及所述历史空气污染物浓度的采集时间；根据所述第二位置信息、历史空气污染物浓度及采集时间，对所述目标预测站点在所述预测时间段的空气污染物浓度进行预测。

【技术特征摘要】
1.一种空气污染物浓度的预测方法，其特征在于，包括：获取目标预测站点的第一位置信息及空气污染物浓度的预测时间段；根据所述第一位置信息获取与所述目标预测站点相邻的若干个空气检测站点的第二位置信息、历史空气污染物浓度及所述历史空气污染物浓度的采集时间；根据所述第二位置信息、历史空气污染物浓度及采集时间，对所述目标预测站点在所述预测时间段的空气污染物浓度进行预测。2.根据权利要求1所述的空气污染物浓度的预测方法，其特征在于，根据所述第二位置信息、历史空气污染物浓度及采集时间，对所述目标预测站点的在所述预测时间段的空气污染物浓度进行预测的步骤包括：将所述第二位置信息、历史空气污染物浓度及采集时间整合成三维的样本数据；以所述三维的样本数据作为训练样本，训练出空气污染物浓度的预测模型；将所述预测时间段输入所述预测模型进行预测，得到所述预测时间段的空气污染物浓度。3.根据权利要求2所述的空气污染物浓度的预测方法，其特征在于，所述将所述第二位置信息、历史空气污染物浓度及采集时间整合成三维的样本数据的步骤，包括：对所述空气检测站点的第二位置信息、历史空气污染物浓度及采集时间进行空气污染物浓度信息的整合，获得空气污染物浓度的三维数据。4.根据权利要求1所述的空气污染物浓度的预测方法，其特征在于，将所述第二位置信息、历史空气污染物浓度及采集时间整合成三维数据之前，还包括：将各个空气检测站点分散的第二位置信息整合到二维网格中，所述二维网络包含空气检测站点的相对位置信息；为所述二维网格添加距离通道，所述距离通道存储所述若干空气检测站点到目标预测站点的距离信息。5.根据权利要求4所述的空气污染物浓度的预测方法，其特征在于，所述将各个空气检测站点分散的第二位置信息整合到二维网格中的步骤，包括：根据所述第二位置信息获得各空气检测站点的相对位置信息，将所述相对位置信息存储于二维网格中。6.根据权利要求2所述的空气污染物浓度的预测方法，其特征在于，空气污染物存在多种时，以所述三维的样本数据作为训...

【专利技术属性】
技术研发人员：王浩，陈阳，庄伯金，王少军，肖京，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44