【技术实现步骤摘要】
一种基于神经网络的城市空气质量预测方法
[0001]本专利技术涉及环境空气领域,尤其涉及一种基于神经网络的城市空气质量预测方法。
技术介绍
[0002]随着工业技术的发展,工厂及民用设施向空气中排放大量污染物导致空气污染,雾霾天数增多。现有技术中通常采用根据已有数据进行分析,根据分析结果对污染物浓度的排放进行改善。
[0003]然而,现有技术中并没有一种能够快速根据历史污染物浓度对未来逐日空气质量浓度进行预测并能给出相应大气污染物减排量分析的模型。所以如何能够提供一种能够以大气污染源排放清单、气象数据、空气质量监测数据为基础,采用空气质量模拟、空气质量预测神经网络,预测未来逐日空气质量浓度和分析减排工作量的环境空气质量浓度和改善工作定量分析方法成为亟待解决的问题。
技术实现思路
[0004]本专利技术提供一种基于神经网络的城市空气质量预测方法,用以解决在现有技术中没有一种能够快速根据历史污染物浓度对未来逐日空气质量浓度进行预测并能给出相应大气污染物减排量分析模型的问题。
[0005]为了实现上述目的,本专利技术技术方案提供了一种基于神经网络的城市空气质量预测方法,包括:使用3层二维卷积单元对已处理后的过去5年内的历史气象数据和空气质量模拟数据进行特征提取,得到特征历史气象数据、特征模拟数据一起输入长短期记忆网络中,长短期记忆网络计算特征历史气象数据、预测气象数据与监测数据的误差,反复迭代后修正误差从而得到合适的预测模型。其中神经网络模型训练时,输入的数据指的是空气质量模拟数据和历史气象 ...
【技术保护点】
【技术特征摘要】
1.一种基于神经网络的城市空气质量预测方法,其特征在于,所述方法包括:二维卷积单元对过去5年内的历史气象数据和空气质量模拟数据进行填充后进行特征提取,得到特征历史气象数据和特征模拟数据;将所述特征历史气象数据、特征模拟数据一起输入长短期记忆网络中,所述长短期记忆网络通过遗忘门和输入门各自的仿射变换后输出计算结果;将所述计算结果输入空气质量网格化神经网络中,输出未来一年内逐日的各项污染物的浓度值和空气质量指数;向所述空气质量网格化神经网络输入年度目标条件,若所述空气质量网格化神经网络的输出结果符合年度目标条件则结束,否则以不满足年度目标条件的污染物的考核指标作为输入条件,使得所述空气质量网格化神经网络通过反向计算得到减排方案。2.根据权利要求1所述的方法,其特征在于,所述过去5年内的空气质量数据包括,PM
2.5
、PM
10
、SO2、NO
x
、O3、CO的小时值,风速,气压,气温和相对湿度和混合层高度的小时值。3.根据权利要求2所述的方法,其特征在于,对所述空气质量数据中的缺失值填充为均值后,做零一均值化处理,处理后的数据输入长短期记忆网络前添加1层3x3、步幅为1、填充的幅度为1的卷积层。4.根据权利要求1所述的方法,其特征在于,所述长短期记忆网络通过遗忘门和输入门各自的仿射变换后输出能够合格的空气质量预测值,包括:所述长短期记忆网络通过遗忘门和输入门各自的仿射变换后输出隐藏态数据结果:遗忘门的仿射变化:f
t
=σ(x
t
W
x(f)
+h
t
‑1W
h(f)
+b
(f)
);输入门的仿射变化:i
t
=σ(x
t
W
x(i)
+h
t
‑1W
h(i)
+b
(i)
);隐藏态数据:h
t
=o
t x tanh(c
t
);所述长短期记忆网络的下一层的输入结合本次隐藏态数据结果进行迭代后输出所述合格的空气质量预测值。5.根据权利要求4所述的方法,其特...
【专利技术属性】
技术研发人员:于瑞,束韫,黄家玉,王红梅,张辰,胡丙鑫,石耀鹏,
申请(专利权)人:中国环境科学研究院,
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。