一种基于多维要素大气PM制造技术

本发明专利技术公开了一种基于多维要素大气PM

【技术实现步骤摘要】
一种基于多维要素大气PM
2.5
浓度预测方法


[0001]本专利技术涉及空气污染物浓度预测、基于深度学习建模等技术，具体涉及一种基于多维要素大气PM
2.5
浓度预测方法，属于空气污染预测


技术介绍

[0002]为了促进城市公共健康和社会的可持续发展，需要一个准确、有效、稳定的PM
2.5
浓度预测模型。人类长期暴露在高浓度的PM
2.5
中会显著增加其患病风险，使人体自身的呼吸系统、神经系统、心血管系统及生殖系统遭受严重损害。如何对PM
2.5
浓度进行精确化预测，已成为大气环境保护和公众健康的重要研究课题。
[0003]在PM
2.5
浓度预测建模方面，已有很多先驱性工作。这些研究大致可以分为4类，即传统的线性统计模型和时间序列模型、浅层神经网络、基于深度学习的建模和专业模型。专业模型基于气象、物化反应等先验知识模拟并预测PM
2.5
的扩散与演化，但物化反应中关键知识的不足将导致模型预测表现欠佳。传统的线性统本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多维要素大气PM
2.5
浓度预测方法，其特征在于：该方法的具体步骤如下：(1)数据准备：将采集到的多站点空气质量指数、气象数据天级数据存储至表格文件生成站点数据，所述的站点数据包括PM
2.5
、AQI、PM
2.5
_IAQI、PM
10
_IAQI、CO_IAQI、SO2_IAQI、NO2_IAQI、O3_IAQI、风速、湿度共十项特征；(2)站点数据预处理；(3)采用相关性分析、卷积神经网络与空间注意力机制，提取与目标站点空间强相关的站点信息，(4)融合时间注意力机制和堆叠膨胀卷积进行时间依赖特征的提取，具体步骤包括；(a)膨胀卷积与普通卷积的卷积核大小和卷积操作是一样的，即参数的数量不变；膨胀卷积引入扩张率，允许卷积核处理数据时跳过d个数据进行处理，即间隔采样；在x
t
处的膨胀因子为d的膨胀卷积如下所示：如公式(7)所示，F＝(f1,f2,
···
,f
K
)表示波虑器，序列X＝(x1,x2,
···
,x
T
)，*
d
为膨胀卷积运算符；K表示膨胀卷积内核大小，T代表历史数据时长；STCCN的PM
2.5
浓度预测模型的膨胀卷积内核采用超参数调优后的参数值；考虑空气污染物、气象因素以及PM
2.5
的时空分布特征对PM
2.5
预测的影响，采用CNN与CCN构建端到端的PM
2.5
预测工作链STCCN，包含两部分：基于步骤(3)的融合卷积神经网络和空间注意力的空间特征提取模块，基于步骤(4)的融合时间注意力和堆叠膨胀卷积的时间特征提取模块；(5)超参数调优，具体步骤包括：(a)学习率选择；设置STCCN的PM
2.5
浓度预测模型学习率值；(b)内核大小选择；设置STCCN的PM
2.5
浓度预测模型内核进行实验；(c)滑动窗口选择；将滑动窗口步长设定在3～24的范围内，筛选表现最优的滑动窗口尺寸；(d)以上(a)—(c)的对比实验中，每一次调整STCCN的PM
2.5
浓度预测模型参数时，均在数据集中进行十次随机采样；利用采样后的十组数据，在相同模型参数的条件下训练模型；十次训练得到的预测性能值取平均作为该模型参数的最终预测性能，精准提取最优参数；(6)对参数调优后的STCCN的PM
2.5
浓度预测模型进行训练，具体步骤包括：(a)利用预处理后的数据集训练参数调优后的STCCN的PM
2.5
浓度预测模型；(b)Baseline参数设置获得调优后的STCCN的PM
2.5
浓度预测模型；(7)基于前述步骤2预处理后的数据，将数据输入步骤6参数调优后的STCCN的PM
2.5
浓度预测模型中，输出所有站点未来一天PM
2.5
浓度预测值。2.根据权利要求1所述的一种基于多维要素大气PM
2.5
浓度预测方法，其特征在于：步骤(2)的具体步骤包括如下，(a)缺失值处理；对采集到的多站点空气质量指数和气象数据中的缺失值进行填充；对于单一缺失值采用一阶拉格朗日线性插值，对于连续多缺失值采用临近日期内相同时间段的数据进行填充，使得整体站点数据符合变化规律；(b)特征值选择；采用斯皮尔曼相关系数来计算输入特征与PM
2.5
浓度的相关性，选择与
PM
2.5
强相关且彼此线性无关的特征组作为模型输入；经过计算选择AQI、PM
2.5
_IAQI、PM
10
_IAQI、CO_IAQI、SO2_IAQI、NO2_IAQI、O3_IAQI、风速、湿度作为输入PM
2.5
浓度预测模型的特征。3.根据权利要求1所述的一种基于多维要素大气PM
2.5
浓度预测方法，其特征在于：步骤(3)的具体步骤包括如下，(a)采用斯皮尔曼秩相关分析方法分析目标站点与周边站点之间的空间相关性；计算公式如下所示：Y
i
是第i个目标站点PM
2.5
历史记录的降序排列，表示第i个目标站点周围第k个站点的PM

【专利技术属性】
技术研发人员：田莉，王振波，刘希亮，
申请(专利权)人：中国科学院地理科学与资源研究所，
类型：发明
国别省市：