一种基于机器学习的近地面臭氧浓度预测系统技术方案

本实用新型专利技术公开了一种基于机器学习的近地面臭氧浓度预测系统，包括外壳，所述外壳前侧面顶部拐角处设置有指示灯，所述指示灯一侧设置有显示器，所述显示器一侧设置有键盘，所述外壳前侧面底部一侧设置有电源接头，所述电源接头外接电池，所述电池输出端设置有芯片，所述指示灯、显示器、键盘和芯片均与电池连接。本实用新型专利技术通过保留了对臭氧预测影响较大的特征量，并且避免了主观筛选造成有效特征量的剔除，利用数据采集终端、特征筛选处理器、中央模型训练器和数据计算单元相互配合，通过有效特征量从而得出臭氧浓度的预测结果。

【技术实现步骤摘要】
一种基于机器学习的近地面臭氧浓度预测系统
本技术属于气体浓度预测
，特别涉及一种基于机器学习的近地面臭氧浓度预测系统。
技术介绍
随着臭氧污染的加重及对臭氧危害认识的加深，使得提供准确的臭氧预报显得尤为重要。对于大气成分的预报方法主要可以归纳为统计方法、数值预报及其他先进的技术方法，过去依据经验和统计的预报方法，在计算上较为简便，但是在理论和时效性等方面无法满足需求。目前，由于多种原因，如排放源清单与实际情况存在一定差异，尤其是模式无法考虑到突发性污染物排放，模式的物理、化学机制极为复杂，以及物理过程参数化仍需不断完善等原因，数值模式对于颗粒物及臭氧等大气成分的预报存在较大误差。机器学习方法可以有效地捕捉大气成分变化中隐藏的非线性特征，通过特征变量构建模型，对大气成分进行预测，相比数值预报，机器学习方法输入数据较少，同时计算效率更高，预报效果较为理想，因此近年来机器学习方法在气象和大气成分预报领域得到研究和应用。机器学习方法需要大量观测和模拟数据进行训练，输入特征量的选择对于是否可以准确高效预测臭氧浓度有着重要影响，对于大气成分预本文档来自技高网...

【技术保护点】
1.一种基于机器学习的近地面臭氧浓度预测系统，包括外壳（1），其特征在于：所述外壳（1）前侧面顶部拐角处设置有指示灯（11），所述指示灯（11）一侧设置有显示器（12），所述显示器（12）一侧设置有键盘（13），所述外壳（1）前侧面底部一侧设置有电源接头（14），所述电源接头（14）外接电池（2），所述电池（2）与芯片（3）连接；/n所述芯片（3）包括数据采集终端（31）、特征筛选处理器（32）、中央模型训练器（33）和数据计算单元（34），所述数据采集终端（31）输出端设置有数据存储卡（4），所述键盘（13）与数据存储卡（4）单向连接，所述数据存储卡（4）与特征筛选处理器（32）单向连接，所...

【技术特征摘要】
1.一种基于机器学习的近地面臭氧浓度预测系统，包括外壳（1），其特征在于：所述外壳（1）前侧面顶部拐角处设置有指示灯（11），所述指示灯（11）一侧设置有显示器（12），所述显示器（12）一侧设置有键盘（13），所述外壳（1）前侧面底部一侧设置有电源接头（14），所述电源接头（14）外接电池（2），所述电池（2）与芯片（3）连接；
所述芯片（3）包括数据采集终端（31）、特征筛选处理器（32）、中央模型训练器（33）和数据计算单元（34），所述数据采集终端（31）输出端设置有数据存储卡（4），所述键盘（13）与数据存储卡（4）单向连接，所述数据存储卡（4）与特征筛选处理器（32）单向连接，所述特征筛选处理器（32）与中央模型训练器（33）单向连接，所述中央模型训练器（33）与数据计算单元（34）单向连接，所述数据计算单元（34）与显示器（12）单向连接；
所述外壳（1）后侧面设置有底座（5），所述底座（5）与外壳（1）卡接。


2.根据权利要求1所述的一种基于机器学习的近地面臭氧浓度预测系统，其特征在于：
所述指示灯（11）数量设置为三个，所述指示灯（11）按照从上到下的顺序分别与显示器（12）、键盘（13）和芯片（3）连接。


3.根据权利要求1所述的一种基于机器学习的近地面臭氧浓度预测系统，其特征在于：
所述数据采集终端（31）包括大气成分观测数据采集终端（311）、地面气象观测数据采集终端（312）和天气...

【专利技术属性】
技术研发人员：芦华，刘伯骏，吴钲，高阳华，刘晓冉，
申请(专利权)人：重庆市气象科学研究所，
类型：新型
国别省市：重庆;50