一种企业污染物排放预测方法及预测系统技术方案

本发明专利技术公开了一种企业污染物排放预测方法及预测系统，属于数据预测领域，包括在分位数回归神经网络模型的基础上，构建了一个长短期记忆人工神经网络，该模型使用分位数回归神经网络模型提取的特征作为输入，通过预训练模型输出的数据的底层特征来进一步提取污染物数据特征从而预测未来的污染物趋势，构成了第二重特征提取模型。本发明专利技术能够根据当前时段内的污染物数据，识别出相关的影响因素，并运用人工神经网络算法，对未来时段内的污染物排放进行预测。进行预测。进行预测。

【技术实现步骤摘要】
一种企业污染物排放预测方法及预测系统


[0001]本专利技术涉及数据预测领域，特别涉及一种企业污染物排放预测方法及预测系统。

技术介绍

[0002]随着现代工业的迅速发展，污染物排放对环境造成了越来越大的影响。在化工企业中，传统的污染物控制方法通常需要通过复杂的监测和数据分析来得到污染物排放情况，且由于原料投入情况以及产量的不断变化，企业污染物的排放情况往往难以准确预测。
[0003]有鉴于此，实有必要提供一种新的技术方案以解决上述问题。

技术实现思路

[0004]为解决上述技术问题，本申请提供一种企业污染物排放预测方法及预测系统，能够根据当前时段内的污染物数据，识别出相关的影响因素，并运用人工神经网络算法，对未来时段内的污染物排放进行预测。
[0005]一种企业污染物排放预测方法，包括：将在同一企业中收集的污染物排放量为基准数据，以时间序列为划分标准，建立待预测的初始污染物排放量数据集；根据污染物类型将建立的初始污染物排放量数据集划分为多个包含不同污染物的污染物分类数据集；以分位数回归神经网络模型和长短期记忆人工神经网络模型作为基础神经网络构建污染物排放规律神经网络模型；对构建的污染物排放规律神经网络模型进行训练，获得最优污染物排放规律神经网络模型；分别将多个污染物分类数据集输入最优污染物排放规律神经网络模型进行预测，得到多个污染物排放量预测结果；企业根据多个污染物排放量预测结果，调整企业污染物排放量。
[0006]优选的，所述对构建的污染物排放规律神经网络模型进行训练，获得最优污染物排放规律神经网络模型包括：将每个污染物分类数据集均按照一定比例划分为训练集、数据集、验证集；使用训练集训练单个污染物对应的分位数回归神经网络模型；以训练好的分位数回归神经网络模型为基础，训练该单个污染物对应的长短期记忆人工神经网络模型，选择不同的超参数和时间步长进行训练，以得到适合不同时间尺度的长短期记忆人工神经网络模型。
[0007]优选的，所述以训练好的分位数回归神经网络模型为基础，训练该单个污染物对应的长短期记忆人工神经网络模型，选择不同的超参数和时间步长进行训练，以得到适合不同时间尺度的长短期记忆人工神经网络模型包括：将原始训练集由分位数回归神经网络模型提取后作为长短期记忆人工神经网络
模型的输入，通过长短期记忆人工神经网络模型对其进行进一步回归特征提炼；分位数回归神经网络模型用作长短期记忆人工神经网络模型的自监督任务，将分位数回归神经网络模型输出的特征与同一时刻长短期记忆人工神经网络模型输出的特征对比，通过MSE损失函数计算出损失；根据MSE损失函数计算出长短期记忆人工神经网络模型预测值与真实值之间的误差；计算长短期记忆人工神经网络模型中每个参数对损失函数的偏导数；计算长短期记忆人工神经网络模型中每个参数的梯度；使用Adam优化函数更新长短期记忆人工神经网络模型中的各层参数。
[0008]优选的，所述通过MSE损失函数计算出损失中，MSE损失函数的公式为：；式中，为真实值，为预测值，为样本数量。
[0009]优选的，长短期记忆人工神经网络模型训练完成后，对测试集平方绝对误差进行评分预测,选取损失最小模型为最优模型；其中，平方绝对误差计算公式为：；式中，为真实值，为预测值，为样本总量。
[0010]优选的，在所述使用训练集训练单个污染物对应的分位数回归神经网络模型中，每一轮训练完成后，使用验证集对分位数回归神经网络模型进行验证，当验证集的损失趋于不变，而训练集的损失不断下降时停止训练。
[0011]根据本申请的另一方面，还提供一种企业污染物排放预测系统，包括：智能行走无人车；污染物数据检测模块, 所述污染物数据检测模块用于检测企业生产环境中的污染物数据；污染物排放预测模块,所述污染物排放预测模块中装载有包含所述的企业污染物排放预测方法的计算机程序；所述污染物排放预测模块用于对企业的污染物排放量进行预测；云端存储模块，所述云端存储模块用于存储检测到的污染物数据和污染物排放量预测数据；通信模块,所述通信模块用于将所述污染物数据检测模块检测到的污染物数据以及所述污染物排放预测模块预测的污染物排放结果传输至所述云端存储模块；以及显示终端，所述显示终端用于接收所述云端存储模块的数据并对相应数据进行可视化显示；所述污染物数据检测模块、所述污染物排放预测模块和所述通信模块均设置于所述智能行走无人车上。
[0012]优选的，所述污染物排放预测模块设置于Jetson TX2边缘计算设备中。
[0013]优选的，所述智能行走无人车包括电源模块、GPS定位模块、摄像头模块、激光雷达模块和行走模块。
[0014]与现有技术相比，本申请至少具有以下有益效果：1.本专利技术的企业污染物排放预测方法能够根据当前时段内的污染物数据，识别出相关的影响因素，并运用人工神经网络算法，对未来时段内的污染物排放进行预测。
[0015]2.本专利技术的企业污染物排放预测方法预测的未来时段内企业的污染物排放数据，可为企业排放规划和环保决策提供重要参考，有效降低企业运营成本和环境风险，并促进生态文明建设和可持续发展。
[0016]3.本专利技术的企业污染物排放预测方法通过引入双重特征提取方法，能够挖掘污染物排放数据样本的底层特征，找出污染物排放量之间的潜在联系，从而提高污染物排放规律神经网络模型的性能, 显著提升了模型对污染物数据的预测精确度。
附图说明
[0017]后文将参照附图以示例性而非限制性的方式详细描述本专利技术的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些附图未必是按比例绘制的。附图中：图1为本专利技术企业污染物排放预测方法的整体流程示意图；图2为本申请实施例二氧化硫污染物排放规律神经网络模型训练时的损失变化图；图3为本专利技术企业污染物排放预测系统中各功能模块的连接示意图；图4为本专利技术企业污染物排放预测系统中智能行走无人车各功能模块的连接示意图。
[0018]其中，上述附图包括以下附图标记：1、云端存储模块，2、通信模块，3、污染物数据检测模块，4、污染物排放预测模块，5、智能行走无人车，6、显示终端，51、电源模块，52、GPS定位模块，53、摄像头模块，54、激光雷达模块，55、行走模块。
具体实施方式
[0019]为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0020]一种企业污染物排放预测方法，首先利用一个大规模的污染物数据集对分位数回归神经网络模型进行预训练。将其预训练完成后，将其作为特征提取器，根据长短期记忆人工神经网络所需的时间步长提取不同时间尺度的污染物排放数据的特征，获得不同时间尺度的分位数数据集，这构成了第一重特征提取模型。将污本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种企业污染物排放预测方法，其特征在于，包括：将在同一企业中收集的污染物排放量为基准数据，以时间序列为划分标准，建立待预测的初始污染物排放量数据集；根据污染物类型将建立的初始污染物排放量数据集划分为多个包含不同污染物的污染物分类数据集；以分位数回归神经网络模型和长短期记忆人工神经网络模型作为基础神经网络构建污染物排放规律神经网络模型；对构建的污染物排放规律神经网络模型进行训练，获得最优污染物排放规律神经网络模型；分别将多个污染物分类数据集输入最优污染物排放规律神经网络模型进行预测，得到多个污染物排放量预测结果；企业根据多个污染物排放量预测结果，调整企业污染物排放量。2.如权利要求1所述的企业污染物排放预测方法，其特征在于，所述对构建的污染物排放规律神经网络模型进行训练，获得最优污染物排放规律神经网络模型包括：将每个污染物分类数据集均按照一定比例划分为训练集、数据集、验证集；使用训练集训练单个污染物对应的分位数回归神经网络模型；以训练好的分位数回归神经网络模型为基础，训练该单个污染物对应的长短期记忆人工神经网络模型，选择不同的超参数和时间步长进行训练，以得到适合不同时间尺度的长短期记忆人工神经网络模型。3.如权利要求2所述的企业污染物排放预测方法，其特征在于，所述以训练好的分位数回归神经网络模型为基础，训练该单个污染物对应的长短期记忆人工神经网络模型，选择不同的超参数和时间步长进行训练，以得到适合不同时间尺度的长短期记忆人工神经网络模型包括：将原始训练集由分位数回归神经网络模型提取后作为长短期记忆人工神经网络模型的输入，通过长短期记忆人工神经网络模型对其进行进一步回归特征提炼；分位数回归神经网络模型用作长短期记忆人工神经网络模型的自监督任务，将分位数回归神经网络模型输出的特征与同一时刻长短期记忆人工神经网络模型输出的特征对比，通过MSE损失函数计算出损失；根据MSE损失函数计算出长短期记忆人工神经网络模型预测值与真实值之间的误差；计算长短期记忆人工神经网络模型中每个参数对损失函数的偏导数；计算长短期记忆人工神经网络...

【专利技术属性】
技术研发人员：戴祥麟，
申请(专利权)人：应辉环境科技服务烟台有限公司，
类型：发明
国别省市：