一种污染预测方法以及污染预测模型训练方法技术

本申请提供一种污染预测方法以及污染预测模型训练方法。该污染预测方法包括：获取当前时刻及其之前的H个时刻的预设区域的环境数据；获取当前时刻的后P个时刻的目标区域的气象数据；将所述预设区域的环境数据以及所述目标区域的气象数据输入至预先训练好的污染预测模型中，得到所述目标区域的后P个时刻的空气污染预测数据以及可控区域的后P个时刻的空气污染预测数据。通过该方式便于工作人员直接根据目标区域的空气污染预测数据以及可控区域的空气污染预测数据的联系实现目标区域的污染的优化控制，也即，便于工作人员根据可控区域的空气污染预测数据制定对应的污染优化策略来对目标区域的污染进行控制。

【技术实现步骤摘要】
一种污染预测方法以及污染预测模型训练方法
本申请涉及数据处理
，具体而言，涉及一种污染预测方法以及污染预测模型训练方法。
技术介绍
空气污染，又称为大气污染，按照国际标准化组织的定义，空气污染通常是指：由于人类活动或自然过程引起某些物质进入大气中，呈现出足够的浓度，达到足够的时间，并因此危害了人类的舒适、健康和福利或环境的现象。现有的空气污染预测手段主要是使用空气质量模式的预报结果预报未来空气质量的变化趋势。需要说明的是，空气质量模式主要是基于天气、污染的物理性质或化学性质来预报未来空气质量的变化趋势，比如风向、污染的化学元素组成等。该方式，计算量大，对服务器存储空间等资源要求非常高。此外，现有的预测手段大多只针对目标区域进行预测，最终由专业人员来基于预测结果分析减排策略。也即，现有的预测手段缺少对目标区域如何进行优化的关注。
技术实现思路
本申请实施例的目的在于提供一种污染预测方法以及污染预测模型训练方法，以改善“现有的预测手段计算量大，对服务器存储空间等资源要求非常高，且缺少对目标区域如何进行优化的关注”的问题。本专利技术是这样实现的：第一方面，本申请实施例提供一种污染预测方法，包括：获取当前时刻及其之前的H个时刻的预设区域的环境数据；其中，所述环境数据包括所述预设区域的空气污染数据和气象数据；获取当前时刻的后P个时刻的目标区域的气象数据；其中，所述目标区域为所述预设区域中的部分区域；将所述当前时刻及其之前的H个时刻的预设区域的环境数据、所述当前时刻及其之前的H个时刻的目标区域的空气污染数据以及所述当前时刻的后P个时刻的目标区域的气象数据输入至预先训练好的污染预测模型中，得到所述目标区域的后P个时刻的空气污染预测数据以及可控区域的后P个时刻的空气污染预测数据；其中，所述可控区域为所述预设区域中与所述目标区域相关联的区域。在本申请实施例中，预先构建好污染预测模型，使得当获取到当前时刻及其之前的H个时刻的预设区域的环境数据，以及当前时刻的后P个时刻的目标区域的气象数据后，能够通过构建的污染预测模型，预测出目标区域的后P个时刻的空气污染预测数据以及可控区域的后P个时刻的空气污染预测数据，进而便于工作人员直接根据目标区域的空气污染预测数据以及可控区域的空气污染预测数据的联系实现目标区域的污染的优化控制，也即，便于工作人员根据可控区域的空气污染预测数据制定对应的污染优化策略来对目标区域的污染进行控制。此外，通过构建污染预测模型，相较于现有技术中的采用空气质量模式的预测手段，计算量小，效率较高。结合上述第一方面提供的技术方案，在一些可能的实现方式中，在所述得到所述目标区域的后P个时刻的空气污染预测数据以及可控区域的后P个时刻的空气污染预测数据之后，所述方法还包括：判断所述目标区域的后P个时刻的空气污染预测数据是否超过预设污染阈值；当所述目标区域的后P个时刻的空气污染预测数据超过预设污染阈值时，则确定所述可控区域的空气污染预测数据的调整数值。在本申请实施例中，在获取到目标区域的预测数据之后，判断目标区域的空气污染预测数据是否超过预测污染阈值，当超过时，则确定出可控区域的空气污染预测数据的调整数值。通过该方式，能够提供直观的可控区域的调整参数，使得用户可以直接根据调整参数来制定污染优化策略来对目标区域的污染进行控制。结合上述第一方面提供的技术方案，在一些可能的实现方式中，所述确定所述可控区域的空气污染预测数据的调整数值，包括：基于所述可控区域的后P个时刻中的第一个时刻的空气污染预测数据，通过遗传算法，确定出使得预设的目标函数最小的所述可控区域的第一个时刻的污染优化预测数据；基于所述可控区域的第一个时刻的污染优化预测数据，以及所述目标区域的后P个时刻中的第一个时刻的空气污染预测数据，确定出所述可控区域的后P个时刻中的第二个时刻的污染更新预测数据，以及所述目标区域的后P个时刻中的第二个时刻的污染优化预测数据；基于所述可控区域的后P个时刻中的第二个时刻的污染更新预测数据，通过遗传算法，确定出使得所述预设的目标函数最小的所述可控区域的第二个时刻的污染优化预测数据；基于所述可控区域的第二个时刻的污染优化预测数据，以及所述目标区域的后P个时刻中的第二个时刻的污染优化预测数据，确定出所述可控区域的后P个时刻中的第三个时刻的污染更新预测数据，以及所述目标区域的后P个时刻中的第三个时刻的污染优化预测数据；以此类推，直至确定出所述可控区域的后P个时刻中的每个时刻的污染优化预测数据；其中，所述可控区域的后P个时刻中的每个时刻的污染优化预测数据为所述可控区域的空气污染预测数据的调整数值。在本申请实施例中，通过遗传算法以及预设的目标函数能够确定出可控区域的每个时刻合理且可靠的污染优化预测数据，进而使得用户可以直接根据污染优化预测数据来制定污染优化策略来对目标区域的污染进行控制。结合上述第一方面提供的技术方案，在一些可能的实现方式中，在所述确定出所述可控区域的后P个时刻中的每个时刻的污染优化预测数据之后，所述方法还包括：将所述可控区域的后P个时刻中的每个时刻的污染优化预测数据与对应时刻的空气污染预测数据进行比较；输出差异大于预设阈值的时刻对应的可控区域的污染优化预测数据；其中，所述差异大于预设阈值的时刻对应的可控区域的污染优化预测数据表征需要在该时刻对该可控区域的污染进行优化控制。在本申请实施例中，通过输出差异大于预设阈值的时刻对应的可控区域的污染优化预测数据，进而使得用户直接根据差异大于预设阈值的时刻对应的可控区域的污染优化预测数据来制定污染优化策略。通过该方式，能够在保证实现目标区域的污染有效控制的情况下，减小工作量。结合上述第一方面提供的技术方案，在一些可能的实现方式中，所述预设的目标函数的表达式为：其中，Y表示所述预设的目标函数；AT+1表示T时刻的下一时刻的目标区域的空气污染预测数据，AT+1与相关联；表示T时刻的可控区域的污染优化预测数据；conT表示T时刻的可控区域的空气污染预测数据，MAE表示平均绝对误差。在本申请实施例中，T时刻的可控区域的污染优化预测数据与T时刻的可控区域的空气污染预测数据的平均绝对误差表征优化的代价，其值越小，则表征优化的合理性和可选性更好，因此，预设的目标函数为AT+1与之间的和，当其最小时，则表征在控制优化的同时保证数据的合理性。因此，通过上述方式，提高了确定出的污染优化预测数据的合理性。第二方面，本申请实施例提供一种污染预测模型训练方法，包括：获取样本数据；其中，所述样本数据包括预设历史时刻及其之前的H个时刻的预设区域的环境数据以及预设历史时刻的后P个时刻的目标区域的气象数据；所述环境数据包括所述预设区域的空气污染数据和气象数据；所述目标区域为所述预设区域中的部分区域；获取比对数据；其中，所述比对数据包括所述目标区域的后P个时刻的实际空气污染数据以及所述可控区域的后P个时刻的实际空气污染数据；其中，所述可控区域为所述预设区域中与所述目标区域相关联的区域；将所述预设历史时刻及其之前的H个时刻的预设区域的环境数据、所述预设历本文档来自技高网...

【技术保护点】
1.一种污染预测方法，其特征在于，包括：/n获取当前时刻及其之前的H个时刻的预设区域的环境数据；其中，所述环境数据包括所述预设区域的空气污染数据和气象数据；/n获取当前时刻的后P个时刻的目标区域的气象数据；其中，所述目标区域为所述预设区域中的部分区域；/n将所述当前时刻及其之前的H个时刻的预设区域的环境数据、所述当前时刻及其之前的H个时刻的目标区域的空气污染数据以及所述当前时刻的后P个时刻的目标区域的气象数据输入至预先训练好的污染预测模型中，得到所述目标区域的后P个时刻的空气污染预测数据以及可控区域的后P个时刻的空气污染预测数据；其中，所述可控区域为所述预设区域中与所述目标区域相关联的区域。/n

【技术特征摘要】
1.一种污染预测方法，其特征在于，包括：
获取当前时刻及其之前的H个时刻的预设区域的环境数据；其中，所述环境数据包括所述预设区域的空气污染数据和气象数据；
获取当前时刻的后P个时刻的目标区域的气象数据；其中，所述目标区域为所述预设区域中的部分区域；
将所述当前时刻及其之前的H个时刻的预设区域的环境数据、所述当前时刻及其之前的H个时刻的目标区域的空气污染数据以及所述当前时刻的后P个时刻的目标区域的气象数据输入至预先训练好的污染预测模型中，得到所述目标区域的后P个时刻的空气污染预测数据以及可控区域的后P个时刻的空气污染预测数据；其中，所述可控区域为所述预设区域中与所述目标区域相关联的区域。


2.根据权利要求1所述的污染预测方法，其特征在于，在所述得到所述目标区域的后P个时刻的空气污染预测数据以及可控区域的后P个时刻的空气污染预测数据之后，所述方法还包括：
判断所述目标区域的后P个时刻的空气污染预测数据是否超过预设污染阈值；
当所述目标区域的后P个时刻的空气污染预测数据超过预设污染阈值时，则确定所述可控区域的空气污染预测数据的调整数值。


3.根据权利要求2所述的污染预测方法，其特征在于，所述确定所述可控区域的空气污染预测数据的调整数值，包括：
基于所述可控区域的后P个时刻中的第一个时刻的空气污染预测数据，通过遗传算法，确定出使得预设的目标函数最小的所述可控区域的第一个时刻的污染优化预测数据；
基于所述可控区域的第一个时刻的污染优化预测数据，以及所述目标区域的后P个时刻中的第一个时刻的空气污染预测数据，确定出所述可控区域的后P个时刻中的第二个时刻的污染更新预测数据，以及所述目标区域的后P个时刻中的第二个时刻的污染优化预测数据；
基于所述可控区域的后P个时刻中的第二个时刻的污染更新预测数据，通过遗传算法，确定出使得所述预设的目标函数最小的所述可控区域的第二个时刻的污染优化预测数据；
基于所述可控区域的第二个时刻的污染优化预测数据，以及所述目标区域的后P个时刻中的第二个时刻的污染优化预测数据，确定出所述可控区域的后P个时刻中的第三个时刻的污染更新预测数据，以及所述目标区域的后P个时刻中的第三个时刻的污染优化预测数据；以此类推，直至确定出所述可控区域的后P个时刻中的每个时刻的污染优化预测数据；
其中，所述可控区域的后P个时刻中的每个时刻的污染优化预测数据为所述可控区域的空气污染预测数据的调整数值。


4.根据权利要求3所述的污染预测方法，其特征在于，在所述确定出所述可控区域的后P个时刻中的每个时刻的污染优化预测数据之后，所述方法还包括：
将所述可控区域的后P个时刻中的每个时刻的污染优化预测数据与对应时刻的空气污染预测数据进行比较；
输出差异大于预设阈值的时刻对应的可控区域的污染优化预测数据；其中，所述差异大于预设阈值的时刻对应的可控区域的污染优化预测数据表征需要在该时刻对该可控区域的污染进行优化控制。


5.根据权利要求3所述的污染预测方法，其特征在于，所述预设的目标函数的表达式为：



其中，Y表示所述预设的目标函数；AT+1表示T时刻的下一时刻的目标区域的空气污染预测数据，AT+1与相关联；表示T时刻的可控区域的污染优化预测数据；conT表示T时刻的可控区域的空气污染预测数据，MAE表示平均绝对误差。


6.一种污染预测模型训练方法，其特征在于，包括：
获取样本数据；其中，所述样本数据包括预设历史时刻及其之前的H个时刻的预设区域的环境数据以及预设历史时刻的后P个时刻的目标区域的...

【专利技术属性】
技术研发人员：王向勇，陈俊，郝建奇，李辰，李玮，廖强，
申请(专利权)人：成都佳华物链云科技有限公司，
类型：发明
国别省市：四川;51