【技术实现步骤摘要】
本专利技术涉及尾气预测，具体涉及一种尾气污染预测模型可靠性判定方法。
技术介绍
1、随着社会经济的发展，机动车人均保有量逐步上升，机动车尾气污染也日益严重。目前已经有了很多针对机动车尾气污染的深度学习预测模型，如基于cnn或者gcn的预测模型。这些模型本质是数据驱动的预测算法，对数据的数量和质量有比较高的要求。此外，依靠深度学习所建立的尾气预测模型，其准确性和可靠性往往不可兼得，对扰动具有一定程度的敏感性，进而导致尾气预测产生较大偏差。考虑到在实际应用中，模型不可避免的受到各种扰动，如环境噪声，人为干扰，传感器异常等等，因此需要定量的分析模型可靠性边界，即量化模型抗干扰的能力，从而在保证尾气预测模型准确性前提下，挑选可靠性高的尾气预测模型进行部署。基于上述问题针对cnn尾气浓度预测模型提出了一种尾气预测模型可靠性判定方法，其最终输出为尾气预测模型在不同程度扰动下的可靠性得分，得分越高说明可靠性越好。
技术实现思路
1、本专利技术提出的一种尾气污染预测模型可靠性判定方法，可用于解决尾气预测模型可靠性边界不可知的技术问题。
2、为实现上述目的，本专利技术采用了以下技术方案：
3、一种尾气污染预测模型可靠性判定方法，包括以下步骤，
4、步骤1：获取尾气污染数据的测试集、已训练的cnn尾气预测模型；
5、步骤2：针对已训练的尾气预测模型，对任意样本增加任意扰动,需要满足，逐层计算输出的上下界并获取最终输出的上下界；
6、步骤3：将
7、步骤4：遍历测试集中所有的样本数据，建立测试样本集合和可靠性边界集合之间的对应关系，从而获得扰动-可靠性的曲线，其横轴为扰动的p范数大小，纵轴为可靠性值，范围为。
8、进一步的，所述步骤1：获取尾气污染数据的测试集、已训练的cnn尾气预测模型；具体包括，
9、s11：从官方途径获得已完成训练的基于cnn的尾气预测模型和用于测试模型的测试集数据,任意样本，其意义为将城市划分成,为预测时所用历史尾气浓度的时间步数；
10、s12：考虑到尾气浓度预测属于回归问题，验证模型可靠性与分类问题存在差异，预测时不可避免地产生误差，则设置预测时的容许误差，其意义为尾气浓度预测值和尾气浓度真值之间允许存在的误差。
11、进一步的，所述步骤s12中误差计算公式如下两种：
12、局部误差：，其中；
13、全局误差：；
14、设置容许误差为5%，即期望或者。
15、进一步的，所述步骤2具体包括：
16、s21：针对样本计算第k层cnn的输出下界和输出上界；
17、首先对于第一层cnn，其输出描述为：，为第一层的卷积核，为第一层的偏置；考虑到非线性激活函数的存在，对于第k层cnn而言，其公式化描述为：；
18、采用下式将非线性函数线性化：
19、
20、,,,是人工选择的参数，仅讨论为正时的情形，与输入异号，默认取负；与输入同号，默认取正；
21、由此获得第k层的输出上界：
22、
23、
24、
25、表示卷积核中的正值，表示卷积核中的负值，表示点乘；
26、由此输出下界：
27、；
28、
29、
30、s22：针对样本计算尾气预测模型m的输出上界和输出下界；假定模型m具有m层卷积层，则：
31、<<…<==
32、=
33、
34、同理，下界
35、s23：针对样本计算在附加扰动下,尾气预测模型m关于的输出上界和输出下界；
36、
37、
38、其中。
39、进一步的，所述步骤3具体包括：
40、s31:计算和，比较和，如果且则根据2重新计算和；否则根据0.5重新计算和.重复上述过程，直至且，输出相应的；
41、s32:计算和，比较和，如果且则根据2重新计算和；否则根据0.5重新计算和；重复上述过程，直至且，输出相应的。
42、进一步的，所述步骤4具体包括：
43、s41：针对每个样本点重复s21~s32，分别计算和,从而获得全局可靠性边界集合和局部可靠性边界；
44、s42:计算扰动-全局可靠性的曲线，其公式如下：
45、
46、其中为测试样本集合的数目；,;表示所有样本对应全局可靠性边界的数目，而为横轴上的连续值；
47、s43:计算扰动–局部可靠性的曲线，其公式如下：
48、
49、其中为测试样本集合的数目；,;表示所有样本对应全局可靠性边界的数目，而为横轴上的连续值
50、另一方面，本专利技术还公开一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上述方法的步骤。
51、再一方面，本专利技术还公开一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上述方法的步骤。
52、由上述技术方案可知，本专利技术的尾气污染预测模型可靠性判定方法，通过对cnn尾气预测模型进行逐层分析，计算模型对扰动的局部误差和全局误差，获得最终的输出上下界，可以确保模型在相等扰动下输出一定处于该区间中。比较输出上下界和容许误差，建立起扰动和可靠性的对应关系，可以有效的度量模型可靠性，反映模型在不同程度干扰下的准确预测能力，从而为尾气预测模型的部署从另一个角度提供参考指标。
53、总的来说，本专利技术可以对尾气浓度预测模型进行可靠性分析，在给定扰动大小的条件下，输出对应的可靠性数值，其值越大，可靠性越高，为尾气浓度预测模型的部署从另一个角度提供了参考指标。
本文档来自技高网...【技术保护点】
1.一种尾气污染预测模型可靠性判定方法，其特征在于：包括以下步骤，
2.根据权利要求1所述的尾气污染预测模型可靠性判定方法，其特征在于：所述步骤1：获取尾气污染数据的测试集、已训练的CNN尾气预测模型；具体包括，
3.根据权利要求2所述的尾气污染预测模型可靠性判定方法，其特征在于：所述步骤S12中误差计算公式如下两种：
4.根据权利要求1所述的尾气污染预测模型可靠性判定方法，其特征在于：所述步骤2具体包括：
5.根据权利要求1所述的尾气污染预测模型可靠性判定方法，其特征在于：所述步骤3具体包括：
6.根据权利要求1所述的尾气污染预测模型可靠性判定方法，其特征在于：所述步骤4具体包括：
7.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。
8.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。
【技术特征摘要】
1.一种尾气污染预测模型可靠性判定方法，其特征在于：包括以下步骤，
2.根据权利要求1所述的尾气污染预测模型可靠性判定方法，其特征在于：所述步骤1：获取尾气污染数据的测试集、已训练的cnn尾气预测模型；具体包括，
3.根据权利要求2所述的尾气污染预测模型可靠性判定方法，其特征在于：所述步骤s12中误差计算公式如下两种：
4.根据权利要求1所述的尾气污染预测模型可靠性判定方法，其特征在于：所述步骤2具体包括：
5.根据权利要求1所述的尾...
【专利技术属性】
技术研发人员：丁焰，康宇，刘斌琨，刘文清，曹洋，张玉钧，付明亮，许镇义，
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。