本申请提供了一种环境信息预测的方法、装置及设备，有效提升了环境信息预测结果的准确性。该方法包括：获取待预测的目标地点的地理信息，并根据该目标地点和多个采样地点之间的差异信息以及设置的环境信息的影响因子获得该目标地点的环境信息的预测值。其中，该多个采样地点均匀分布在参考区域中，所述差异信息包括所述目标地点的地理信息与所述多个采样地点的地理信息的差异。地点的地理信息的差异。地点的地理信息的差异。
【技术实现步骤摘要】
一种环境信息预测的方法、装置及设备
[0001]本专利技术属于地理信息技术应用领域，尤其涉及一种环境信息预测的方法、装置及设备。
技术介绍
[0002]随着人类对地球环境的关注度不断提高，各个国家和地区设立了越来越多的监测点，用于监测各类环境数据。由于各类条件的限制，现有环境监测点存在密度不均衡等问题，难以实现全范围的均匀覆盖。为了分析整个参考区域中的环境信息，研究人员基于监测点数据，建立该环境信息和影响因子之间的关系，从而预测该环境信息在整个参考区域中的估值，揭示该环境信息在空间上的分布规律，为支撑环境污染的预警、治理，以及活动保护人类健康与社会可持续发展等活动，具有重大的现实意义和指导价值。
技术实现思路
[0003]本申请提供了一种环境信息预测的方法、装置、设备、计算机可读存储介质以及计算机程序产品，能够提升环境信息预测结果的准确性。
[0004]第一方面，本申请提供了一种环境信息预测的方法。该方法包括：获取待预测的目标地点的地理信息，并根据该目标地点和多个采样地点之间的差异信息以及设置的环境信息的影响因子获得该目标地点的环境信息的预测值。其中，该多个采样地点均匀分布在参考区域中，该差异信息包括该目标地点的地理信息与所述多个采样地点的地理信息的差异。
[0005]本专利技术实施例提供的环境信息预测的方法考虑了全空间对每个样本点的影响，根据均匀的采样点和目标地点之间的差异信息获得预测结果，有效解决了现有技术中，由于样本点分布不均导致的样本点稀疏的区域预测精度较低的问题，提升了环境信息预测结果的准确性。
[0006]第一方面一种可能的设计，该参考区域包括多个均匀分布的空间网格，每个空间网格指向的区域包括该多个采样地点中的至少一个采样地点。
[0007]本方法通过划分空间网格帮助选取合适的采样地点，可以使采样点均匀地分布在整个参考区域中。可选的，每一个网格的大小是相同的(边缘的网格除外)。
[0008]第一方面一种可能的设计，该多个采样地点中的每个采样点分别对应于该多个空间网格的一个空间网格指向的区域的中心位置。
[0009]第一方面一种可能的设计，该地理信息包括该目标地点的地理位置，该差异信息包括该目标地点与该多个采样地点之间的地理位置的差异。
[0010]可选的，该地理位置可以是目标地点在地球上的经纬度坐标或是在参考区域中划分的坐标系中的坐标。
[0011]可选的，该地理位置差异可以是空间中目标地点和采样地点之间的欧氏距离。
[0012]可选的，该差异信息记录在和上述网格一一对应的邻近关系矩阵中。
[0013]第一方面一种可能的设计，该地理信息包括所述目标地点的地理位置和地理属性信息，该差异信息还包括该目标地点和该多个采样地点之间的地理位置的差异和一种或多种地理属性的差异。
[0014]本方法还将地理属性空间的考虑也纳入了环境信息预测的方法中，更充分的揭示了环境信息在空间和地理属性空间上的关系，有效解决了现有技术对空间非平稳关系表征不充分的现象，可以实现了对环境信息更高精度预测。
[0015]可选的，该地理位置差异可以是空间中目标地点和采样地点之间的欧氏距离。
[0016]可选的，该地理属性信息可以是地理要素在时空范围内所具有的属性特征。
[0017]可选的，该地理属性差异可以是该地理属性在地理属性空间中的距离。
[0018]第一方面一种可能的设计，将所述地理位置差异和该一种或多种地理属性差异输入到第一神经网络中，获得所述目标地点和多个采样地点之间的所述差异信息。
[0019]本方法还支持引入一种或多种地理属性的情况，可以将地理位置差异和该一种或多种地理属性差异进行融合，利用神经网络强大的特征提取能力将多种差异融合。
[0020]可选的，融合后的差异信息记录在和上述网格一一对应的邻近关系矩阵中。
[0021]第一方面一种可能的设计，根据该目标地点和多个采样地点之间的差异信息以及设置的环境信息的影响因子获得该目标地点的环境信息的预测值包括：将该差异信息输入第二神经网络，得到该目标地点的空间特性权重；根据该空间特性权重以及设置的环境信息的影响因子，获得该目标地点的环境信息的预测值。
[0022]一种可能的实施方式，根据回归模型确定所述环境信息和所述影响因子之间的回归系数；然后再根据前述的空间特性权重、该回归系数以及所述影响因子观测值三者的乘积求和，获得所述目标地点的环境信息的预测值。可选的，该回归模型可以是普通线性回归模型(OLR)。
[0023]第一方面一种可能的设计，该第一神经网络包括卷积层。
[0024]由于上述根据网格生成的差异信息具有图像的特征，可以采用卷积神经网络将它们进行融合。
[0025]第一方面一种可能的设计，该第二神经网络包括卷积层、池化层和全连接层。
[0026]由于上述根据网格生成的差异信息具有图像的特征，可以采用卷积神经网络提取特征并求解上述空间特性权重。
[0027]第一方面一种可能的设计，该环境信息包括气象环境信息和海洋环境信息。
[0028]第二方面，本申请提供了一种环境信息预测的装置。该装置包括的多个功能模块，用于实现第一方面或第一方面的任意可能设计提供的方法的不同步骤。
[0029]第三方面，本申请提供一种设备，该设备包括处理器和存储器。该处理器执行该存储器存储的指令，使得该设备执行上述第一方面或者第一方面的各种可能设计提供的方法。
[0030]本申请提供一种设备，该设备包括处理器和存储器。该处理器执行该存储器存储的指令，使得该设备部署第二方面提供的装置。
[0031]第四方面，本申请提供一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当设备的处理器执行该指令时，该设备执行上述第一方面或者第一方面的各种可能设计提供的方法。
[0032]本申请提供一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当设备的处理器执行该指令时，该服务器实现第二方面提供的装置。
[0033]第五方面，本申请提供一种计算机程序产品，该计算机程序产品包括指令，该指令存储在计算机可读存储介质中。设备的处理器可以从计算机可读存储介质读取该指令；该处理器执行该指令，使得该设备执行上述第一方面或者第一方面的各种可能设计提供的方法。
[0034]本申请提供一种计算机程序产品，该计算机程序产品包括指令，该指令存储在计算机可读存储介质中。设备的处理器可以从计算机可读存储介质读取该指令；该处理器执行该指令，该设备实现第二方面提供的装置。
附图说明
[0035]图1是本申请实施例提供的一种网络架构举例示意图。
[0036]图2是本申请实施例提供的一种部署方式举例示意图。
[0037]图3是本申请实施例提供的一种部署方式举例示意图。
[0038]图4是本申请实施例提供的一种空间非平稳性分析的方法流程举例示意图。
[0039]图5是本申请实施例提本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种环境信息的预测方法，其特征在于，所述方法包括：获取待预测的目标地点的地理信息；根据所述目标地点和多个采样地点之间的差异信息以及设置的环境信息的影响因子获得所述目标地点的环境信息的预测值，其中，所述多个采样地点均匀分布在参考区域中，所述差异信息包括所述目标地点的地理信息与所述多个采样地点的地理信息的差异。2.根据权利要求1所述的方法，其特征在于：所述参考区域包括多个均匀分布的空间网格，每个空间网格指向的区域包括所述多个采样地点中的至少一个采样地点。3.根据权利要求2所述的方法，其特征在于，所述多个采样地点中的每个采样点分别对应于所述多个空间网格的一个空间网格指向的区域的中心位置。4.根据权利要求1至3任一项所述的方法，其特征在于，所述地理信息包括所述目标地点的地理位置，所述差异信息包括所述目标地点与所述多个采样地点之间的地理位置的差异。5.根据权利要求1至3任一项所述的方法，其特征在于，所述地理信息包括所述目标地点的地理位置和地理属性信息，所述差异信息还包括所述目标地点和所述多个采样地点之间的地理位置的差异和一种或多种地理属性的差异。6.根据权利要求5所述的方法，其特征在于，还包括：将所述地理位置差异和所述一种或多种地理属性差异输入到第一神经网络中，获得所述目标地点和多个采样地点之间的所述差异信息。7.根据权利要求1
‑
6任意一项所述的方法，其特征在于，根据所述目标地点和多个采样地点之间的差异信息以及设置的环境信息的影响因子获得所述目标地点的环境信息的预测值包括：将所述差异信息输入第二神经网络，得到所述目标地点的空间特性权重；根据所述空间特性权重以及设置的环境信息的影响因子，获得所述目标地点的环境信息的预测值。8.根据权利要求6或7所述的方法，其特征在于，所述第一神经网络包括卷积层。9.根据权利要求7或8任一项所述的方法，其特征在于，所述第二神经网络包括卷积层、池化层和全连接层。10.根据权利要求1至9任一项所述的方法，其特征在于，所述环境信息包括气象环境信息和海洋环境信息。11.一种环境预测的装置，其特征在于，所述装置包括：获取模块，用于获取待预测的目标地点的地理信息；预测模块，用于根据所述目标地点和多个采样地点之间的差异信息以及设置的环境信息的影响因子获得所述目标地点的环境信息的预测值，其中，所述多个采样地点均匀分布在参考区域中，所述差异信息包括所述目标地点的...
【专利技术属性】
技术研发人员：王中一，
申请(专利权)人：华为云计算技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。