细颗粒物污染等级的预测方法、装置及计算机设备制造方法及图纸

本申请公开了一种细颗粒物污染等级的预测方法、装置及计算机设备，涉及大气监测领域，可以基于实时环境数据对细颗粒物污染等级进行针对性检测，并且能够解决细颗粒物分析结果不够准确的问题。其中方法包括：筛选出与细颗粒物相关性符合预设标准的目标分析数据；根据预设历史时间段内所述细颗粒物的浓度值创建细颗粒物空间分布图；基于所述目标分析数据及所述细颗粒物空间分布图训练卷积神经网络模型；利用训练好的所述卷积神经网络模型判定未来预设时间段内所述细颗粒物的污染等级。本申请适用于对细颗粒物污染等级的预测。

Prediction method, device and computer equipment of pollution grade of fine particles

【技术实现步骤摘要】
细颗粒物污染等级的预测方法、装置及计算机设备
本申请涉及大气监测领域，尤其涉及到一种细颗粒物污染等级的预测方法、装置及计算机设备。
技术介绍
由细颗粒物造成的灰霾天气对人体健康的危害甚至要比沙尘暴更大。粒径10微米以上的颗粒物，会被挡在人的鼻子外面；粒径在2.5微米至10微米之间的颗粒物，能够进入上呼吸道，但部分可通过痰液等排出体外，另外也会被鼻腔内部的绒毛阻挡，对人体健康危害相对较小；而粒径在2.5微米以下的细颗粒物，直径相当于人类头发的十分之一大小，不易被阻挡。被吸入人体后会直接进入支气管，干扰肺部的气体交换，引发包括哮喘、支气管炎和心血管病等方面的疾病。因此，在一定的时空范围内PM2.5的空间分布及其扩散规律研究对社会人类健康生活产生巨大的正面效应。目前科学界已经对PM2.5的重视程度在逐年递增，但对于检测体系内人员来说，由于工种、人力资源、技术能力等限制，很难进行有效的侦测建模；而工业界人群由于企业性质、重要数据资源限制等层面的局限性，很难有足够的资源支持必要的团队投入环境层面的研究，因此目前来说较多的研究者还存在定性的叙述研究及伪定量的研究调研中。很少有研究团队能基于真实大数据，并根据现实地理条件针对性地进行PM2.5进行污染侦测与建模，从而使分析结果不够准确，无法对PM2.5流行的现状作出实质性贡献与建设性意见。
技术实现思路
有鉴于此，本申请提供了一种细颗粒物污染等级的预测方法、装置及计算机设备，能够基于实时环境数据对细颗粒物污染等级进行针对性检测，并且能够解决细颗粒物分析结果不够准确的问题。根据本申请的一个方面，提供了一种细颗粒物污染等级的预测方法，该方法包括：筛选出与细颗粒物相关性符合预设标准的目标分析数据；根据预设历史时间段内所述细颗粒物的浓度值创建细颗粒物空间分布图；基于所述目标分析数据及所述细颗粒物空间分布图训练卷积神经网络模型；利用训练好的所述卷积神经网络模型判定未来预设时间段内所述细颗粒物的污染等级。根据本申请的另一个方面，提供了一种细颗粒物污染等级的预测装置，该装置包括：筛选模块，用于筛选出与细颗粒物相关性符合预设标准的目标分析数据；创建模块，用于根据预设历史时间段内所述细颗粒物的浓度值创建细颗粒物空间分布图；训练模块，用于基于所述目标分析数据及所述细颗粒物空间分布图训练卷积神经网络模型；判定模块，用于利用训练好的所述卷积神经网络模型判定未来预设时间段内所述细颗粒物的污染等级。根据本申请的又一个方面，提供了一种非易失性可读存储介质，其上存储有计算机程序，程序被处理器执行时实现上述细颗粒物污染等级的预测方法。根据本申请的再一个方面，提供了一种计算机设备，包括非易失性可读存储介质、处理器及存储在非易失性可读存储介质上并可在处理器上运行的计算机程序，处理器执行程序时实现上述细颗粒物污染等级的预测方法。借由上述技术方案，本申请提供的一种细颗粒物污染等级的预测方法、装置及计算机设备，与目前普遍采用的预测方式相比，本申请可从多个途径获取较为全面的环境数据，并从环境数据中筛选出与细颗粒物相关性符合预设标准的目标分析数据作为待分析数据，为了使细颗粒物的浓度变化特征更为明显，故还基于预设历史时间段内细颗粒物的浓度值创建细颗粒物空间分布图，之后利用目标分析数据以及细颗粒物空间分布图训练卷积神经网络模型，利用训练好的卷积神经网络模型判定未来预设时间段内细颗粒物的污染等级。在本方案中，将深度卷积神经网络模型应用到对细颗粒物污染等级的预测中，提高了工作效率的同时，也能满足预测实时性的要求；另外还可增强预测的科学性、准确性，使判定出的细颗粒物污染等级更加真实可靠。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本地申请的不当限定。在附图中：图1示出了本申请实施例提供的一种细颗粒物污染等级的预测方法的流程示意图；图2示出了本申请实施例提供的另一种细颗粒物污染等级的预测方法的流程示意图；图3示出了本申请实施例提供的一种细颗粒物污染等级的预测装置的结构示意图；图4示出了本申请实施例提供的另一种细颗粒物污染等级的预测装置的结构示意图。具体实施方式下文将参考附图并结合实施例来详细说明本申请。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互结合。针对目前不能基于实时环境数据对细颗粒物污染等级进行针对性检测，使分析结果不够准确的问题，本申请实施例提供了一种细颗粒物污染等级的预测方法，如图1所示，该方法包括：101、筛选出与细颗粒物相关性符合预设标准的目标分析数据。其中，预设标准为待筛选的环境指标数据需要与细颗粒物的相关性大于预设阈值，而预设阈值的大小可根据实际应用需求进行设定，预设阈值设定的数值越大，筛选出的目标分析数据与细颗粒物的相关性也越强。在具体的应用场景中，设置环境数据相关性检测的目的为，初步滤除掉与细颗粒物相关性不强的环境指标数据，保留与细颗粒物存在相关性的环境数据，并进行下一步的检测分析，能够在减少工作量的同时，排除不相关因素对检测数据的影响。由于本方案是用于预测未来预设时间段内的细颗粒物浓度数据，故筛选出的目标分析数据应该是一个时序数据集，譬如过去每周(或者每天，这个按具体的需求场景的细化需求，可以采取不同的频次)二氧化硫、二氧化氮、细颗粒物(PM2.5)、可吸入颗粒物(PM10)、一氧化碳等浓度情况，以及每周病案个数、病原体检测结果、以及医院所覆盖的范围内的疫情情况等画像数据。还有更多的天气特征，譬如是否存在降水等情况，还有微博指数等等。将这些结构性特征数据集确定为目标分析数据，作为用来训练模型的一块重要组成部分。102、根据预设历史时间段内细颗粒物的浓度值创建细颗粒物空间分布图。其中，预设历史时间段可根据实际场景进行设定，创建细颗粒物空间分布图的目的是，可使细颗粒物的浓度变化特征更为明显、便于提取图像特征。在具体的应用场景中，可以通过数据收集、数据采购、合作共享等多种途径获取过去时间段的细颗粒物浓度数据，以辅助对未来细颗粒物浓度数据的预测。本方案中，可通过高维空间分布热度图来可视化呈现预设历史时间段内细颗粒物的空间浓度变化状况，提高图像特征可视化的同时，还可将这个带有地区特征的高维空间分布图同样充当训练模型的一块重要组成部分，来辅助搭建神经网络网络。因为高维空间分布热图是图像，因此可通过设定卷积核、隐层数、神经元个数等，充分地提取高维空间分布热图的图像信息，由于最终希望预测的是每一个区域的未来一天(一周)的细颗粒物浓度，因此在考虑时序信息的同时，还需要考虑地域信息，而各个地点的浓度是有关联性的，这也是绘制空间分布图、并且要用卷积神经网络去提取信息的重要原因。通过对高维分布图的信息提取，可获取到另一块训练模型的数据块。103、基于目标分析数据及细颗粒物空间分布图训练卷积神本文档来自技高网...

【技术保护点】
1.一种细颗粒物污染等级的预测方法，其特征在于，包括：/n筛选出与细颗粒物相关性符合预设标准的目标分析数据；/n根据预设历史时间段内所述细颗粒物的浓度值创建细颗粒物空间分布图；/n基于所述目标分析数据及所述细颗粒物空间分布图训练卷积神经网络模型；/n利用训练好的所述卷积神经网络模型判定未来预设时间段内所述细颗粒物的污染等级。/n

【技术特征摘要】
1.一种细颗粒物污染等级的预测方法，其特征在于，包括：
筛选出与细颗粒物相关性符合预设标准的目标分析数据；
根据预设历史时间段内所述细颗粒物的浓度值创建细颗粒物空间分布图；
基于所述目标分析数据及所述细颗粒物空间分布图训练卷积神经网络模型；
利用训练好的所述卷积神经网络模型判定未来预设时间段内所述细颗粒物的污染等级。


2.根据权利要求1的方法，其特征在于，所述筛选出与细颗粒物相关性符合预设标准的目标分析数据，具体包括：
收集所述预设历史时间段内的所有环境指标数据并创建特征画像；
从所述特征画像中筛选出与所述细颗粒物相关性大于或等于第一预设阈值的第一环境指标；
计算各个所述第一环境指标对应环境数据的饱和度；
将所述饱和度大于或等于第二预设阈值的所述第一环境指标确定为第二环境指标；
基于非监督学习的聚类算法填充所述第二环境指标中数据异常的环境数据，以便获取得到数据完整的所述目标分析数据。


3.根据权利要求2的方法，其特征在于，所述根据预设历史时间段内所述细颗粒物的浓度值创建细颗粒物空间分布图，具体包括：
获取预设历史时间段内各个时间点对应的细颗粒物浓度值；
绘制所述细颗粒物浓度值的散点图；
基于克里格插值法在所述散点图的基础上创建细颗粒物空间分布图；
所述基于克里格插值法在所述散点图的基础上创建细颗粒物空间分布图，具体包括：
从所述散点图中筛选出落在预设搜索范围内的目标数据点；
确定所述目标数据点对应空间变化的数学函数；
依据所述数学函数为落在规则格网单元上的数据点赋值，以便获取得到细颗粒物空间分布图。


4.根据权利要求3的方法，其特征在于，所述基于所述目标分析数据及所述细颗粒物空间分布图训练卷积神经网络模型，具体包括：
确定所述细颗粒物空间分布图中包含的各个污染等级，并配置等级标签；
将所述目标分析数据中的各类环境指标数据及所述细颗粒物空间分布图输入初始卷积神经网络模型中，提取所述各类环境指标数据与所述各个污染等级的特征向量；
依据所述特征向量确定各个环境指标对应污染等级的判定规则；
获取各个所述环境指标依据所述判定规则确定出的第一细颗粒物污染等级；
将级别最大的所述第一细颗粒物污染等级确定为预估细颗粒物污染等级；
匹配所述预估细颗粒物...

【专利技术属性】
技术研发人员：陈娴娴，阮晓雯，徐亮，
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