一种基于LSTM-GCN的臭氧预测方法技术

本发明专利技术揭示了一种基于LSTM‑GCN的臭氧预测方法，包括如下步骤，通过长短期记忆网络LSTM得到观测点的隐状态，将每个观测点的隐状态构造成图，作为图卷积神经网络GCN的输入，得到所有观测点加权后的隐状态，最后通过线性网络得出预测结果。本发明专利技术的方法结合了邻居观测点来辅助目标观测点预测臭氧数据。LSTM网络能起到很好的时序预测作用，GCN能很好地汇聚周遭观测点对目标观测点的影响，借此辅助预测目标观测点的臭氧含量，二者结合能够更加准确地对目标观测点的臭氧含量做出预测，为臭氧污染问题的控制和监管供科学依据，为环保相关部门和政府治理部门制订相关决策提供科学合理的理论基础和预测方法。

【技术实现步骤摘要】
一种基于LSTM-GCN的臭氧预测方法
本专利技术属于人工智能信息预测
，尤其涉及一种基于LSTM-GCN的臭氧预测方法。
技术介绍
臭氧是一种关键的二次大气污染物，主要是由大气中的氮氧化物、碳氢化合物在特殊的气象条件下（如强烈日光、无风或微风、夏季至初秋），经过一系列复杂的光学反应生成。由于工业化和城市化的迅速发展，我国臭氧前体物排放量不断增加，臭氧问题越发突出。臭氧对人体健康的危害主要体现在以下几方面：1.强烈刺激呼吸道，造成咽喉肿痛、胸闷咳嗽、引发支气管炎和肺气肿；2.造成神经中毒，头晕头痛、视力下降、记忆力衰退；3.对人体皮肤中的维生素E起到破坏作用，致使人的皮肤起皱，出现黑斑；4.破坏人体免疫技能，诱发淋巴细胞染色体病变，加速衰老，致使胎儿畸形。此外，臭氧作为一种强氧化性气体，能够较快地与含有不饱和碳碳键的有机化合物反应。这类有机化合物普遍存在于室内的建筑材料，居家用品，以及橡胶、丝、棉花、醋酸纤维素、尼龙和聚酯的制成品中。因此，含有这些材料的物品极易被臭氧破坏，从而造成燃料褪色、照牌图像层脱色、轮胎老化等现象。生态系统的地下部本文档来自技高网...

【技术保护点】
1.一种基于LSTM-GCN的臭氧预测方法，其特征在于：包括如下步骤，通过长短期记忆网络LSTM得到观测点的隐状态，将每个观测点的隐状态构造成图，作为图卷积神经网络GCN的输入，得到所有观测点加权后的隐状态，最后通过线性网络得出预测结果。/n

【技术特征摘要】
1.一种基于LSTM-GCN的臭氧预测方法，其特征在于：包括如下步骤，通过长短期记忆网络LSTM得到观测点的隐状态，将每个观测点的隐状态构造成图，作为图卷积神经网络GCN的输入，得到所有观测点加权后的隐状态，最后通过线性网络得出预测结果。


2.如权利要求1所述的一种基于LSTM-GCN的臭氧预测方法，其特征在于：包括以下步骤：
S101、选定目标观测点；
S102、以目标观测点为中心，计算目标观测点与其他观测点的地理距离；
S103、对S102中计算出的地理距离进行排序，选择其中距离最小的K个点作为邻居观测点；
S104、基于以上所得的距离构造拓扑图，并用于GCN；
S105、对目标观测点与邻居观测点所构成的数据集进行数据清洗并拼接成一个数据集；
S106、对拼接成的数据集进行预处理得到放缩后的数据；
S107、用滑动窗口的方式创建适用于监督学习的输入集与输出集；
S108、按比例切分数据集，分为训练集输入、训练集输出、测试集输入和测试集输出；
S109、对S108中的训练集输入做batch划分；
S110、对于每个batch，输入LSTM层得到目标观测点的隐状态向量和邻居观测点的隐状态向量；
S111、将各个观测点的隐向量作为拓扑图中对应节点的属性，再使用GCN进行汇聚；
S112、GCN汇聚后得到各观测点更新后的属性；
S113、取出目标观测点对应的属性值，输入到线性网络中，线性网络的输出即为预测结果。


3.如权利要求2所述的一种基于LSTM-GCN的臭氧预测方法，其特征在于，所述方法还包括更新步骤，S114、计算预测结果与训练集输出中对应输出的均方误差，...

【专利技术属性】
技术研发人员：陈兴国，吴多丰，李扬，吕咏洲，杨尚东，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32