[發明專利]一種基于卷積-線性回歸網絡的霧霾濃度預測方法

有效

• 申請號: 201711130556.2
• 申請日: 2017-11-15
• 公開（公告）號: CN107909084B
• 公開（公告）日: 2021-07-13
• 發明（設計）人: 劉珊;楊波;鄭文鋒;黃偉政
• 申請（專利權）人: 電子科技大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62;G06F3/0481;G06F3/0482;G06F3/0484;G06N3/04;G06N3/08
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 溫利平

1.一種基于卷積-線性回歸網絡的霧霾濃度預測方法，其特征在于，包括以下步驟：

(1)、從NASA官網下載所需的modis衛星圖像，按照時間順序對所有的衛星圖像進行存儲，并將其分為：訓練集與交叉驗證集；

(2)、對衛星圖像進行歸一化處理

在ENVI軟件中打開存儲的衛星圖像，按照如下步驟提取衛星圖像中的感興趣區域；

(2.1)、在選中的衛星圖像的打開窗口Image Display中，添加矢量邊界層[Overlay]---[Vectors]；

(2.2)、選擇[Basic Tools]中的[Masking]菜單下的[Build Mask]工具并打開，再選擇當前打開的衛星圖像的窗口SelectInput Display，如果當前打開的衛星圖像在Display#1中打開，就選擇選項中的Display#1即可；

(2.3)、點擊[OK]后跳出的對話框中的[Options]菜單下選擇[Import EVFs]命令，選中矢量邊界文件.evf格式，再確定輸出結果的方式[File]或[Memory]；

(2.4)、點擊[Apply]后生成MASK文件，再利用生成的MASK文件使用[Apply Mask]工具進行掩膜操作，從而提取出衛星圖像中的感興趣區域；

(3)、按照國家標準的空氣污染指數，按照等級對訓練集的霧霾濃度進行標記處理；

(4)、搭建包含線性回歸層的卷積-線性回歸神經網絡模型，具體包括：輸入層、多層的卷積層-池化層、全連接層、分類層、線性回歸預測層及輸出層；

(4.1)、卷積層的搭建：以輸入數據的大小長寬相等為例，設輸入大小為m*m*3，卷積核窗口大小為k*k，步長為s，并在輸入數據的外圈的長寬方向進行了填0擴充，即padding的層數為P；其每層的輸出尺寸n*n公式如下：

得到了卷積層每層深度的特征圖后，通過激活函數ReLU(x)＝max(0，x)得到卷積層最終的輸出；

(4.2)、池化層的搭建：池化層選取窗口大小為：k*k，步長為k；選擇max pooling獲取最大值，并記錄下最大值得坐標，然后通過unpooling直接把最大值這個點的坐標填上去，其它的激活值全部為0；

(4.3)、全連接層與分類層的搭建：在全連接層，將上一層輸出的二維圖像轉化為一維的長矩陣，以便于分類層的分類；在分類層，通過全連接層的長矩陣和數據的標簽，使用softmax多分類方法對有標簽的數據進行分類；

(4.4)、線性回歸層的搭建：將分類層的輸出作為縱坐標y，將時間作為橫坐標x；

最后，通過使用帶標簽的訓練集數據訓練卷積-線性回歸網絡模型，調整模型參數，使得卷積層能夠提取衛星圖像特征，分類層可以對其進行準確的分類，線性回歸層擬合出一條曲線，通過該曲線就可以對下一時刻霧霾等級進行預測；

(5)、利用交叉驗證集數據對模型訓練的進度進行判斷，當模型的準確度訓練至90％以上時，判定模型可用，能夠用于霧霾濃度的預測；

(6)、將近期的霧霾數據按照時間順序排列，再輸入進訓練好的網絡模型中，實現對未來的霧霾濃度等級進行預測。