[發明專利]一種大數據可視化的空氣污染溯源和走向預測方法

在審

• 申請號: 201710573412.8
• 申請日: 2017-07-14
• 公開（公告）號: CN107341576A
• 公開（公告）日: 2017-11-10
• 發明（設計）人: 鄭智民;盧志勇
• 申請（專利權）人: 河北百斛環保科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/08
• 代理公司: 北京金蓄專利代理有限公司11544
• 代理人: 孫巍

1.一種大數據可視化的空氣污染溯源和走向預測方法，其特征在于包括：

第一步驟：結合空氣擴散條件作為輸入因子，使用誤差逆向傳播算法訓練的多層前饋神經網絡，建立用于空氣污染溯源和走向預測的前饋模型；

第二步驟：執行前饋模型的學習過程，其中采用空氣污染歷史數據作為前饋模型的輸入訓練因子，使用誤差性能函數的最速下降法，通過誤差的反向傳播來逐漸調整網絡前饋模型的權值和閾值，以使網絡前饋模型的輸出誤差不斷減小。

2.根據權利要求1所述的大數據可視化的空氣污染溯源和走向預測方法，其特征在于，前饋模型的學習過程包括如下兩個階段：

輸入訓練因子的正向傳播階段，其中輸入訓練因子從輸入層進入網絡，經隱含層后，傳向輸出層，在輸出端產生輸出信號，在此期間，網絡各神經元的權值和閥值保持不變，每一層神經元只影響下一層神經元的輸入和狀態，如果在輸出端沒有得到期望的輸出值，網絡即轉入誤差信號的反向傳播階段；

誤差信號的反向傳播階段，其中將網絡的實際輸出與期望輸出之間的差作為誤差信號，誤差信號由輸出端開始逐層回傳，在此傳播過程中，網絡各神經元的權值和閥值根據誤差反饋進行調整；

其中，輸入訓練因子的正向傳播階段與誤差信號的反向傳播階段交替循環進行，在每完成一次循環時采用實時指標進行污染走向預測。

3.根據權利要求1或2所述的大數據可視化的空氣污染溯源和走向預測方法，其特征在于還包括第三步驟：通過遺傳算法進行前饋模型的關聯校正。

4.根據權利要求3所述的大數據可視化的空氣污染溯源和走向預測方法，其特征在于，在第三步驟中，每次輸入新的樣本，根據交叉驗證法原理，計算SVM分類器識別率，進行適應度評估，不設定遺傳算法的終止值，終止條件采用比高法，其中如果訓練的識別率高于現有則設為最優參數，否則執行選擇、交叉和變異操作以進一步優化訓練參數。

5.根據權利要求1或2所述的大數據可視化的空氣污染溯源和走向預測方法，其特征在于還包括第四步驟：通過模塊化數據接口多維度地呈現預測結果及溯源結果。

6.根據權利要求1或2所述的大數據可視化的空氣污染溯源和走向預測方法，其特征在于，前饋模型包括輸入層、隱層和輸出層。

7.根據權利要求1或2所述的大數據可視化的空氣污染溯源和走向預測方法，其特征在于，輸入因子包括風速、風力、風向、溫度、溫差、氣壓、雨量、云量中的一個或多個。