【技术实现步骤摘要】
本专利技术属于环境保护，具体是指一种基于机器学习的空气污染预警方法。
技术介绍
1、现有空气污染预测领域中，一些学者将空气污染数据视为传统时序数据，使用最小二乘法或神经网络拟合数据变化曲线。此外，还有学者使用深度学习方法，对空气污染进行预测。
2、将空气污染数据视为传统时间序列数据的方法，其缺点在于缺少对季节因素的考量，人类社会的生产生活和自然界的气象变化都具备显著的季节性，所以该数据具有典型的季节性。由于深度学习是一种黑盒方法，所以其解释性很差，也无法确定其是否学习到了空气污染数据的季节性，而且其算力开销巨大。在现有技术中，传感器的灵敏度调节是根据传感器读数与标准气体浓度之间的差异进行调节，没有考虑到预测模型的表现和在实施过程中的噪声与偏差，导致传感器与预测模型之间的配合表现不佳。
技术实现思路
1、针对上述情况，为克服现有技术的缺陷，本专利技术提供了一种基于机器学习的空气污染预警方法，针对深度学习解释性差和传统时序预测考虑不到季节因素的技术问题，本方案采用sarimax模型...
【技术保护点】
1.一种基于机器学习的空气污染预警方法，应用于大气环境质量监测系统，所述大气环境质量监测系统包括传感器和信息处理设备，其特征在于，所述基于机器学习的空气污染预警方法包括以下步骤：
2.根据权利要求1所述的一种基于机器学习的空气污染预警方法，其特征在于，在步骤S2中，信息处理设备使用SARIMAX模型预测明日的空气污染数据的过程包括以下步骤：
3.根据权利要求1所述的一种基于机器学习的空气污染预警方法，其特征在于，在步骤S3中，所述空气污染包括还原型污染和氧化型污染。
4.根据权利要求1所述的一种基于机器学习的空气污染预警方法，其特征...
【技术特征摘要】
1.一种基于机器学习的空气污染预警方法，应用于大气环境质量监测系统，所述大气环境质量监测系统包括传感器和信息处理设备，其特征在于，所述基于机器学习的空气污染预警方法包括以下步骤：
2.根据权利要求1所述的一种基于机器学习的空气污染预警方法，其特征在于，在步骤s2中，信息处理设备使用sarimax模型预测明日的空气污染数据的过程包括以下...
【专利技术属性】
技术研发人员：周洪云，于清清，马慧敏，王广英，
申请(专利权)人：盐城顺科享科技有限责任公司，
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。