[發明專利]一種基于深度時空修正模型的城市區域尾氣污染預測方法

在審

• 申請號: 201811022964.0
• 申請日: 2018-09-03
• 公開（公告）號: CN109214570A
• 公開（公告）日: 2019-01-15
• 發明（設計）人: 許鎮義;杜曉冬
• 申請（專利權）人: 安徽優思天成智能科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26
• 代理公司: 合肥匯融專利代理有限公司 34141
• 代理人: 趙宗海

1.一種基于深度時空修正模型的城市區域尾氣污染預測方法，其特征在于，所述方法包括步驟：

步驟一、多源異構數據獲取；

步驟二、自編碼器特征抽取，通過構建三層自編碼器網絡結構，實現對所述多源異構數據特征降維抽取；

步驟三、尾氣排放修正，將所述步驟二中提取的各數據源的降維特征數據，代入尾氣排放修正模型；

步驟四、時空序列數據生成；

步驟五、深度時空網絡模型預訓練；

步驟六、將真實監測點位的遙測數據替換修正模型數據，重新訓練得到修正的區域尾氣排放預測模型；確定模型的權重參數，得到深度時空網絡模型，輸入所述多源異構數據，得到預測的區域尾氣污染排放結果。

2.根據權利要求1所述的一種基于深度時空修正模型的城市區域尾氣污染預測方法，其特征在于，所述多源異構數據集包括：氣象數據、路網數據、交通流數據和POIs數據；

所述氣象數據包括天氣、溫度、濕度、氣壓和風力，所述氣象數據從公開氣象網站按每小時進行采集；所述路網數據包括車道數、路段長度和道路等級，所述路網結構數據從數字地圖獲取；所述交通流數據包括車流量和平均速度，所述交通流數據從數字地圖獲??；所述POIs數據為區域內興趣點公共設施特征分類，所述POIs數據從數字地圖獲取。

3.根據權利要求1所述的一種基于深度時空修正模型的城市區域尾氣污染預測方法，其特征在于：所述自編碼器網絡結構，包括自編碼器網絡輸入層x、結果輸出層y和降維特征隱藏層h；

h＝f(w₁×x+b₁)，y＝f(w₂×x+b₂)；

其中，w₁、w₂、b₁、b₂為自編碼器網絡結構參數。

4.根據權利要求1-3所述的一種基于深度時空修正模型的城市區域尾氣污染預測方法，其特征在于：所述尾氣排放修正模型為：

E＝β_poi×ln t×e^-w×EF×R_na×R_n×R_len+ΔE(t，w，poi)；

其中，Num_ng為目標區域POIs中非綠化功能區域數量，Num_g為目標區域POIs中綠化功能區數量；t為溫度特征，w為風力特征，R_na為路段車流量，R_n為車道數，R_len為路段長度，EF為單一車輛污染排放。

5.根據權利要求1-4所述的一種基于深度時空修正模型的城市區域尾氣污染預測方法，其特征在于，所述步驟四具體為：

將目標區域劃分為12×12的柵格，根據所述步驟三計算每個柵格的尾氣排放量E(k，i)，表示k時刻第i柵格的尾氣排放量，其中k＝1，…，T；i＝1，…，144。