[發(fā)明專利]一種基于重構(gòu)深度學(xué)習(xí)的道邊空氣污染物濃度預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201611267909.9
• 申請(qǐng)日: 2016-12-31
• 公開(kāi)（公告）號(hào): CN106611090B
• 公開(kāi)（公告）日: 2018-04-10
• 發(fā)明（設(shè)計(jì)）人: 康宇;陳紹馮;李澤瑞;崔藝;王雪峰
• 申請(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)技術(shù)大學(xué)
• 主分類號(hào): G06F17/50
• 分類號(hào): G06F17/50
• 代理公司: 北京科迪生專利代理有限責(zé)任公司11251
• 代理人: 楊學(xué)明,顧煒

技術(shù)領(lǐng)域

本發(fā)明涉及環(huán)境檢測(cè)領(lǐng)域中道邊空氣污染物濃度相關(guān)問(wèn)題，具體涉及一種基于重構(gòu)深度學(xué)習(xí)的道邊空氣污染物濃度預(yù)測(cè)方法。

背景技術(shù)

城市污染物主要是由交通排放產(chǎn)生的，主要污染物有一氧化碳CO、二氧化碳CO2、氮氧化物NOx等。CO是穩(wěn)定的物質(zhì)，不會(huì)在空氣中與其他污染物或物質(zhì)發(fā)生化學(xué)反應(yīng)，NO能與臭氧O₃反映生成NO₂，而NO₂也能轉(zhuǎn)變?yōu)镹O。CO不僅有毒，且與CO2均為溫室氣體，產(chǎn)生的溫室效應(yīng)對(duì)全球環(huán)境有重要危害，NO₂是造成肺功能損害的主要物質(zhì)，因此對(duì)道邊空氣污染物濃度進(jìn)行實(shí)時(shí)預(yù)測(cè)對(duì)環(huán)境管理和交通規(guī)劃具有重要意義。

受經(jīng)濟(jì)水平和科研能力的限制，我國(guó)空氣質(zhì)量監(jiān)測(cè)工作起步較晚，自上世紀(jì)七十年代開(kāi)始到現(xiàn)在，經(jīng)過(guò)四十多年的發(fā)展，目前我國(guó)很多省市已經(jīng)建立起空氣質(zhì)量監(jiān)測(cè)系統(tǒng)，但針對(duì)道邊空氣污染物濃度的檢測(cè)仍存在很大的進(jìn)步空間。其中的主要原因有：一、目前用于道邊空氣污染物濃度檢測(cè)的設(shè)備主要為空氣監(jiān)測(cè)站，該設(shè)備價(jià)格昂貴，只能在城市內(nèi)布設(shè)有限數(shù)量的站點(diǎn)，然而城市路網(wǎng)龐大，拓?fù)浣Y(jié)構(gòu)和周圍環(huán)境復(fù)雜，通過(guò)檢測(cè)設(shè)備實(shí)現(xiàn)城市各區(qū)域道邊空氣污染物濃度的實(shí)時(shí)預(yù)測(cè)可行性很低。二、基于設(shè)備全面檢測(cè)的低可行性，各國(guó)學(xué)者力圖通過(guò)預(yù)測(cè)方法來(lái)解決這個(gè)問(wèn)題，目前國(guó)內(nèi)外針對(duì)道邊空氣污染物濃度的研究中，采用的方法主要分兩大類：1、高斯模型以及后續(xù)的以高斯模型為基礎(chǔ)的一系列線源模型，這類方法針對(duì)不同狀態(tài)的道路需采用不同的模型，且對(duì)復(fù)雜道路的模型準(zhǔn)確性不高；2、基于神經(jīng)網(wǎng)絡(luò)的道邊污染物濃度檢測(cè)，這類方法能通過(guò)識(shí)別輸入、輸出數(shù)據(jù)之間簡(jiǎn)單的非線性關(guān)系，但在學(xué)習(xí)輸入、輸出數(shù)據(jù)內(nèi)部之間更本質(zhì)的特征映射方面有很大局限性，每個(gè)神經(jīng)網(wǎng)絡(luò)只能表征一種污染物與輸入的關(guān)系，在實(shí)時(shí)性和遷移性上存在很大缺陷。

發(fā)明內(nèi)容

本發(fā)明技術(shù)解決問(wèn)題：克服現(xiàn)有技術(shù)的不足，提供一種基于重構(gòu)深度學(xué)習(xí)的道邊空氣污染物濃度預(yù)測(cè)方法，能夠?qū)崿F(xiàn)具有良好遷移性的更高精度的實(shí)時(shí)預(yù)測(cè)。

本發(fā)明技術(shù)解決方案：一種基于重構(gòu)深度學(xué)習(xí)的道邊空氣污染物濃度預(yù)測(cè)方法包括以下步驟：

步驟1：基于重構(gòu)深度學(xué)習(xí)方法，根據(jù)道邊空氣污染物的時(shí)空分布特點(diǎn)，構(gòu)建深度重構(gòu)Elman模型；所述污染物包括一氧化碳CO、二氧化碳CO2、氮氧化物NOx；

步驟2：根據(jù)限制玻耳茲曼機(jī)的特征，從道邊空氣污染物濃度數(shù)據(jù)集中隨機(jī)選取部分?jǐn)?shù)據(jù)，完成深度重構(gòu)Elman模型的初始化；

1)對(duì)道路空氣污染物濃度數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行歸一化處理，并將數(shù)據(jù)集按照60％、20％、20％的比例劃分為訓(xùn)練集、驗(yàn)證集、測(cè)試集。

2)對(duì)限制玻爾茲曼機(jī)設(shè)置合適的重構(gòu)誤差閾值，利用訓(xùn)練集中的輸入數(shù)據(jù)對(duì)限制玻爾茲曼機(jī)進(jìn)行訓(xùn)練，其中可視層單元個(gè)數(shù)為14，隱含層單元個(gè)數(shù)為37，

關(guān)于狀態(tài)的損失函數(shù)J₁(v,h,θ)為：

其中，v_i為影響道邊空氣污染物濃度的因素之一即可視層的第i個(gè)單元的狀態(tài)，h_j為v_i的另一種表達(dá)即隱藏層的第j個(gè)單元的狀態(tài)，θ＝{R,a,b}，a、b分別為可視單元和隱含單元的偏差向量，a_i表示可視層的第i個(gè)單元的偏差，b_j表示隱含層的第j個(gè)單元的偏差，R是權(quán)重矩陣，R_ij表示可視層的第i個(gè)單元與隱含層的第j個(gè)單元的連接權(quán)重，N、L分別為可視單元和隱含單元的數(shù)量，Σ為求和符號(hào)，J₁(v,h,θ)為限制玻爾茲曼機(jī)關(guān)于狀態(tài)v、h、θ的損失函數(shù)。

限制玻爾茲曼機(jī)參數(shù)的梯度求解方法如下：

其中，p(v；θ)是可視單元的概率，p(h_j＝1|v；θ)是隱含單元的條件概分布，logp(v,θ)為p(v；θ)的對(duì)數(shù)似然估計(jì)，log表示取對(duì)數(shù)操作，是求偏導(dǎo)符號(hào)，Σ為求和符號(hào)，ΔR_ij、Δa_i、Δb_i分別是對(duì)數(shù)似然估計(jì)對(duì)權(quán)重參數(shù)、可視單元偏差、隱含單元偏差的偏導(dǎo)數(shù)，v_i為影響道邊空氣污染物濃度的因素之一即可視層的第i個(gè)單元的狀態(tài)，R_ij表示可視層的第i個(gè)單元與隱含層的第j個(gè)單元的連接權(quán)重，a_i表示可視層的第i個(gè)單元的偏差，b_j表示隱含層的第j個(gè)單元的偏差，θ＝{R,a,b}。