[發明專利]基于網格化特征深度學習的熱點網格污染物數據獲取方法在審
| 申請號: | 201811059893.1 | 申請日: | 2018-09-12 |
| 公開(公告)號: | CN109213839A | 公開(公告)日: | 2019-01-15 |
| 發明(設計)人: | 廖炳瑜;丁相元;湯宇佳;范迎春 | 申請(專利權)人: | 北京英視睿達科技有限公司 |
| 主分類號: | G06F16/29 | 分類號: | G06F16/29;G06F16/2458;G06Q50/26 |
| 代理公司: | 北京慧誠智道知識產權代理事務所(特殊普通合伙) 11539 | 代理人: | 李楠 |
| 地址: | 100029 北京*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 地面特征 時空特征 網格化 子區域 多維特征向量 污染物數據 多維特征 關系模型 濃度特征 氣象特征 特征參數 網格單元 污染監測 樣本集 網格 監測 污染物 污染物濃度數據 衛星觀測數據 大氣污染物 參數構造 獲取目標 氣象數據 氣溶膠 多源 學習 | ||
本發明涉及一種基于網格化特征深度學習的熱點網格污染物數據獲取方法,包括:獲取污染監測區域的多源衛星觀測數據、地面特征數據、時空特征數據、大氣污染物數據、氣象數據;將污染監測區域劃分為多個網格單元,每個網格單元對應一個監測子區域;獲取每一個監測子區域的氣溶膠光學厚度AOD特征參數、地面特征參數、時空特征參數、污染物濃度特征參數、氣象特征參數;根據AOD特征參數、地面特征參數、時空特征參數、污染物濃度特征參數和氣象特征參數構造每一個監測子區域的多維特征向量;將所有多維特征向量生成多維特征樣本集;采用深度學習模型對多維特征樣本集進行訓練,得到關系模型;利用關系模型獲取目標區域的網格化污染物濃度數據。
技術領域
本發明涉及數據處理技術領域,尤其涉及一種基于網格化特征深度學習的熱點網格污染物數據獲取方法。
背景技術
隨著各項工業的迅速發展,產生了大量有害物質,如煙塵、二氧化硫、氮氧化物、一氧化碳、碳氫化合物等。這些有害物質持續不斷地排放到大氣中,當其含量超過環境所能承受的極限后,就會破壞自然的物理、化學和生態平衡,形成大氣污染,危害人們的生活、工作和健康。隨著全國大范圍霧霾天氣的出現,PM2.5這一名詞進入公眾視野。PM2.5是指環境空氣中空氣動力學當量直徑小于等于2.5微米的顆粒物。它能較長時間懸浮于空氣中,其在空氣中含量濃度越高,就代表空氣污染越嚴重。
大氣污染監測是指測定大氣環境中污染物的種類及其濃度,觀察其時空分布和變化規律的過程。大氣污染監測的目的在于識別大氣中的污染物質,掌握其分布與擴散規律,監視大氣污染源的排放和控制情況。由于監測區域范圍大,人力物力有限,給大氣污染監測帶來困難。
因此,目前急需一種對大氣污染區域進行有效監測的解決方案。
發明內容
本發明的目的是針對現有技術中存在的缺陷,提供一種基于網格化特征深度學習的熱點網格污染物數據獲取方法。
為實現上述目的,第一方面,本發明提供了一種基于網格化特征深度學習的熱點網格污染物數據獲取方法,包括:
獲取污染監測區域的多源衛星觀測數據、地面特征數據、時空特征數據、大氣污染物數據、氣象數據;
將所述污染監測區域劃分為多個網格單元,每個所述網格單元對應一個監測子區域;
根據所述多源衛星觀測數據獲取每一個監測子區域的氣溶膠光學厚度AOD特征參數;
根據所述地面特征數據獲取每一個監測子區域的多個地面特征參數;
根據所述時空特征數據獲取每一個監測子區域的多個時空特征參數;
根據所述大氣污染物數據獲取每一個監測子區域的污染物濃度特征參數;
根據所述氣象數據獲取每一個監測子區域的多個氣象特征參數;
根據所述AOD特征參數、地面特征參數、時空特征參數、污染物濃度特征參數和氣象特征參數構造每一個監測子區域的多維特征向量;
將所有所述多維特征向量生成多維特征樣本集;
采用深度學習模型對所述多維特征樣本集進行訓練,得到關系模型;
獲取目標區域的多源衛星觀測數據,并提取網格化多維特征信息;
根據所述網格化多維特征信息和所述關系模型,得到所述目標區域的網格化污染物濃度數據。
進一步的,所述根據所述多源衛星觀測數據獲取每一個監測子區域的氣溶膠光學厚度AOD特征參數具體包括:
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于北京英視睿達科技有限公司,未經北京英視睿達科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201811059893.1/2.html,轉載請聲明來源鉆瓜專利網。





