一种考虑空气质量数据间时变相关性的空气质量预测方法技术

本发明专利技术公开了一种考虑空气质量数据间时变相关性的空气质量预测方法，对输入的原始数据进行归一化处理；基于最大重叠离散小波变换，对归一化处理后的数据进行特征分解，分解为多个不相关细节系列和平滑系列；将分解后的数据输入多尺度时间序列模块，复制时间块数量相同的数据份数，对每一份数据进行时间块分解，经过一层时间块双重注意力机制捕获时间块内时间点之间以及时间块之间的时变相关性信息，将所有时变信息捕获后的数据的维度聚合为原始数据分解后的数据维度；依次经过一层最大重叠小波逆变换处理、多层感知机处理和逆归一化处理，输出空气质量预测结果。

【技术实现步骤摘要】

本专利技术属于时间序列预测，具体涉及一种考虑空气质量数据间时变相关性的空气质量预测方法。

技术介绍

1、空气污染会对人类健康造成威胁，随着气象服务数字化和智能化，运用前沿的深度学习技术对空气质量进行预测具有重要实际意义，然而，虽然对于空气质量预测任务进行了丰富的研究，但仍存在诸多挑战与可拓展空间，许多模型虽然试图综合考虑多种空气污染因素，但高计算复杂性问题限制了其预测精度与实用性，统计方法虽因计算简便而在短期预测中广泛应用，却难以应对长期趋势预测的需求，深度学习方法的兴起，尤其是以lstm、gru、tcn等为代表的模型以及具有独特优势的transformer模型，在一定程度上提升了空气质量预测的准确性，特别是在处理长期依赖关系方面表现出色，然而，这些模型在应对空气质量预测中的质量特征复杂相关性时仍面临困境。

技术实现思路

1、为解决现有技术的不足，实现有效提取空气质量数据的长期趋势与周期特征，提高空气质量预测精度和效率的目的，本专利技术采用如下的技术方案：

2、一种考虑空气质量数据间时变相关性的空本文档来自技高网...

【技术保护点】

1.一种考虑空气质量数据间时变相关性的空气质量预测方法，其特征在于包括如下步骤：

2.根据权利要求1所述的一种考虑空气质量数据间时变相关性的空气质量预测方法，其特征在于所述步骤S1包括如下步骤：

3.根据权利要求2所述的一种考虑空气质量数据间时变相关性的空气质量预测方法，其特征在于：所述步骤S1.2中的细节系数，通过在每个时间点t上，用归一化的高通滤波器ht对上一层的低通滤波结果vj-1进行循环卷积操作，得到该层的细节系数Dj,k：

4.根据权利要求3所述的一种考虑空气质量数据间时变相关性的空气质量预测方法，其特征在于：所述步骤S3中，首先，基于小波基...

【技术特征摘要】

1.一种考虑空气质量数据间时变相关性的空气质量预测方法，其特征在于包括如下步骤：

2.根据权利要求1所述的一种考虑空气质量数据间时变相关性的空气质量预测方法，其特征在于所述步骤s1包括如下步骤：

3.根据权利要求2所述的一种考虑空气质量数据间时变相关性的空气质量预测方法，其特征在于：所述步骤s1.2中的细节系数，通过在每个时间点t上，用归一化的高通滤波器ht对上一层的低通滤波结果vj-1进行循环卷积操作，得到该层的细节系数dj,k：

4.根据权利要求3所述的一种考虑空气质量数据间时变相关性的空气质量预测方法，其特征在于：所述步骤s3中，首先，基于小波基函数获取并归一化高通滤波器系数ht和低通滤波器系数gt；

5.根据权利要求2所述的一种考虑空气质量数据间时变相关性的空气质量预测方法，其特征在于：所述步骤s1.2中，在每次分解中，使用金字塔算法基于特定的小波pm和缩放qm滤波器对数据进行处理，滤波器满足偶数长度缩放假设：

6.根据权利要求1所述的一种考虑空气质量数据间时变相关性的空气质量预测方法，其特征在于：所述步骤s2包括如下步骤：

7.根据权利要求6所述的一种考虑空气质量数据间时变相关性的空气质量预测方...

【专利技术属性】
技术研发人员：刘东升，宋远威，刘鹏，张慧珊，胡一凡，
申请(专利权)人：浙江工商大学，
类型：发明
国别省市：