[發明專利]一種基于時空深度學習的臭氧濃度分布預測方法和系統

有效

• 申請號: 201711347771.8
• 申請日: 2017-12-15
• 公開（公告）號: CN108108836B
• 公開（公告）日: 2019-02-05
• 發明（設計）人: 龍明盛;王建民;張建晉;黃向東
• 申請（專利權）人: 清華大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/08
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩;吳歡燕

本發明提供一種基于時空深度學習的臭氧濃度分布預測方法和系統，所述方法包括：獲取當前時刻臭氧濃度分布圖，并獲取待預測時刻的氣象數據；通過已訓練的基于氣象數據的臭氧濃度預測模型，對當前時刻臭氧濃度分布圖和待預測時刻的氣象數據進行處理，得到待預測時刻的臭氧濃度分布圖。通過插值等方法被處理為臭氧濃度分布圖序列及氣象?時間序列。使用遞歸神經網絡處理一段時間的歷史數據，抽取出臭氧濃度變化的趨勢特征。使用卷積神經網絡處理一天及一周之前的歷史數據，最大程度的利用臭氧的周期性特征。同時，加入預測時刻的氣象數據及時間數據作為額外輸入，利用氣象和時間對于臭氧的影響進一步提高預測準確性。

技術領域

本發明涉及臭氧濃度分析技術領域，更具體地，涉及一種基于時空深度學習的臭氧濃度分布預測方法和系統。

背景技術

臭氧是地球大氣中一種微量氣體，臭氧(O₃)又稱為超氧，是氧氣(O₂)的同素異形體，在常溫下，它是一種有特殊臭味的淡藍色氣體。它是由于大氣中氧分子受太陽輻射分解成氧原子后，氧原子又與周圍的氧分子結合而形成的，含有3個氧原子。大氣中90％以上的臭氧存在于大氣層的上部或平流層，離地面有10～50千米，這才是需要人類保護的大氣臭氧層。還有少部分的臭氧分子徘徊在近地面，仍能對阻擋紫外線有一定作用。但是，一些專家發現地面附近大氣中的臭氧濃度有快速增高的趨勢，就令人感到不妙了。雖然臭氧在平流層起到了保護人類與環境的重要作用，但若其在對流層濃度增加，則會對人體健康產生有害影響。臭氧對眼睛和呼吸道有刺激作用，對肺功能也有影響，較高濃度的臭氧對植物也是有害的。

從臭氧的性質來看，它既可助人又會害人，它既是上天賜與人類的一把保護傘，有時又像是一劑猛烈的毒藥。至今，對于臭氧的正面作用以及人類應該采取哪些措施保護臭氧層，人們已達成共識并做了許多工作。但是，對于臭氧層的負面作用，人們雖然已有認識，但至今除了進行大氣監測和空氣污染預報外，還沒有真正切實可行的方法加以解決。

近年來，現代工業飛速發展，車輛保有量不斷上升，人們在享受便捷生活的同時，也不得不面對日益嚴重的空氣污染。如果能夠做到對于空氣污染的分析與預測，則對于空氣質量問題的主要來源分析以及嚴重污染天氣預警能夠起到重要的作用。目前我國的環境監測站點大多監測PM10、PM2.5、NO₂、O₃、SO₂、CO六種污染物，在不同的地區可能存在不同的主要污染物。如在北京地區，人們長期受PM2.5的困擾，而在南方的部分省份，則O₃的污染比較嚴重。不同的污染物來源不同，在實際處理中需要分別分析。

O₃由氮氧化物(NOx)和揮發性有機物(VOCs)在光照條件下生成，此反應為可逆反應，在其他氣象條件下，O₃可能重新氧化NOx生成NO₂。NOx與VOCs的來源包括工廠、機動車、植被等，這就造成了對于O₃的分析極度復雜化。傳統的預測方法往往采用依附于氣象數值模式WARF的WARF-CHARM模式。該方法使用氣象模式數據、污染源清單等數據作為輸入，經過大量的物理化學過程模擬運算，計算出某一片地區的空氣污染物濃度分布。這種方法存在一下幾個問題：1、求解過程復雜，運算量巨大，即使采用服務器集群也需要3-4小時運行。2、輸入污染源清單由于過時等原因往往不準確，這就導致結果的不準確。

發明內容

本發明提供一種克服上述問題或者至少部分地解決上述問題的一種基于時空深度學習的臭氧濃度分布預測方法和系統，解決了現有技術中臭氧濃度預測過程復雜、運算量大，且污染源不準確導致的預測結果不準確的問題。

根據本發明的一個方面，提供一種臭氧濃度分布預測方法，包括：

獲取當前時刻臭氧濃度分布圖，并獲取待預測時刻的氣象數據；

通過已訓練的臭氧濃度預測模型，對當前時刻臭氧濃度分布圖和待預測時刻的氣象數據進行處理，得到待預測時刻的臭氧濃度分布圖。