用于产生用于预测污染物浓度的神经网络的训练数据的计算机辅助的方法技术

本发明专利技术涉及一种用于产生用于神经网络的训练数据的计算机辅助的方法，其中神经网络在此被构造用于从至少一个污染物排放量中确定污染物浓度，并且该方法的特征至少在于以下步骤：

【技术实现步骤摘要】
【国外来华专利技术】用于产生用于预测污染物浓度的神经网络的训练数据的计算机辅助的方法


[0001]本专利技术涉及一种根据权利要求1的前序部分的用于产生用于神经网络的训练数据的方法、一种根据权利要求9的前序部分的用于训练神经网络的方法以及一种根据权利要求10的前序部分的用于借助神经网络确定污染物浓度的方法。

技术介绍

[0002]在德国的一些城市，污染物的负荷、例如氮氧化物的浓度在特定时期内可能超过允许的界限值。
[0003]为了确保足够的空气质量，城市可以采取多种措施，例如禁止驾驶。然而，为了这些措施的有效性需要在可能超过界限值之前实施这些措施。为此，需要对污染物浓度进行可靠和尽可能精确的预测(prognose)。
[0004]原则上，排放量(单位长度单位时间的质量或尺寸质量)和浓度(单位体积的尺寸质量)是有区别的。该排放量是在时间范围内、例如一小时内例如交通参与者所排放的有害物质的质量。排放量也可以与长度(道路长度、轨道长度等)以及时间范围相关，使得排放量在此具有单位长度单位时间的尺寸质量。污染物浓度例如由位于城市内的特定位置的测量站测量。原则上本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于产生用于神经网络的训练数据的计算机辅助的方法，其中，所述神经网络被构造用于从至少一个污染物排放量中确定污染物浓度，其特征在于以下步骤：
‑
提供污染物浓度的至少一个测量序列，所述测量序列具有至少一个高于规定的阈值的测量值；
‑
提供针对与所测量的污染物浓度相关联的物理测量参量、特别是温度、风速和/或交通强度的至少一个测量序列；
‑
提供模型，其中，所述模型对所述测量参量与所述污染物排放量之间的关系进行建模；
‑
借助所述模型计算污染物排放量的第一值E0，其中为此使用与所提供的所测量的污染物浓度的值C0相关联的、测量参量的至少一个测量值；
‑
借助所述模型计算污染物排放量的第二值E1，其中，为此在数值上改变用于计算污染物排放量的第一值E0的、测量参量的测量值；和
‑
通过所提供的所测量的污染物浓度的测量序列的值C0的改变ΔC来产生合成的测量序列作为训练数据，其中，借助所计算的污染物排放量的值的相对改变ΔE/E0进行所述改变ΔC。2.根据权利要求1所述的计算机辅助的方法，其特征在于，所提供的污染物浓度的测量序列的至少一个值C0的改变ΔC附加地借助污染物浓度中的由交通引起的份额α来进行。3.根据权利要求2所述的计算机辅助的方法，其特征在于，借助ΔC/C0＝αΔE/E0进行所提供的污染物浓度的测量序列的至少一个值C0...

【专利技术属性】
技术研发人员：FA耶格，K米勒，
申请(专利权)人：西门子股份公司，
类型：发明
国别省市：