System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【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。