[發明專利]融合多源時空數據的城市空氣質量精細化估測方法及裝置

有效

• 申請號: 201910768187.2
• 申請日: 2019-08-20
• 公開（公告）號: CN110610258B
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 關慶鋒;王君毅
• 申請（專利權）人: 中國地質大學（武漢）
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/26
• 代理公司: 武漢知產時代知識產權代理有限公司 42238
• 代理人: 易濱

本發明公開了一種融合多源時空數據的城市空氣質量精細化估測方法及裝置，本發明通過融合多源時空大數據，設計了時空一體化的特征掃描模型來進行特征提取，避免了時空屬性信息的分離和割裂。同時，通過對深度森林算法進行改進，提出了一種基于級聯森林結構的細粒度城市空氣質量實時估測方法，并通過具體實例應用驗證了發明模型的性能。可以在很好的顧及數據時空關聯性、不割裂時空屬性信息的基礎之上，更加有效的提高估測模型的實際性能，彌補了已有方法中存在的時空屬性割裂的問題，有效的提供了城市微觀化、精細化數據源的獲取和處理方式，彌補了當前空氣質量估測研究中存在的微觀尺度研究缺乏的不足。

技術領域

本發明涉及人工智能應用領域、大氣環境管理與監測領域，尤其涉及一種融合多源時空數據的城市空氣質量精細化估測方法及裝置。

背景技術

隨著城市化進程的加快，許多隨之衍生的城市問題也亟待解決，其中城市空氣質量狀況問題首當其沖。然而，在不斷擴張的城市空間中，分布有限的城市空氣質量監測站點很難動態、全面、實時的反映城市空氣質量狀況。由于輔助政府職能部門決策和指導公眾生活服務的需要，迫切的需要提出能夠進行微觀尺度下城市實時空氣質量狀況的估測方法。傳統方法中最為常用的便是地理統計插值，如克里金插值法、地理加權回歸法等。該類方法可以更好的考慮到自然環境的空間自相關性，從而可以根據部分站點的觀測值來推算出鄰域空間位置的實時空氣質量，但其卻很難顧及到時間層面上的不連續性以及多種因子之間的耦合作用。同樣的，遙感影像處理也是應用十分廣泛的空氣質量估測方法，如光譜混合分析、氣溶膠指數反演、NDVI指數反演等。這類方法可以很好的反映空氣質量同自然環境之間的變化規律性，但很難反映多種影響因子之間的相互復雜作用。考慮到時間和空間因素間的耦合影響，地理時間加權回歸模型(GTWR)和土地利用回歸模型(LUR)被用來探測多因子對空氣質量造成的影響，并且取得了極好的擬合精度以及高分辨率下的PM2.5制圖。然而，這類方法的本質仍然屬于線性回歸方法，很難充分挖掘多重影響因子同空氣質量之間的非線性聯系，并且很難滿足細時空粒度實時估測的高時空分辨率要求。

發明內容

本發明要解決的技術問題在于針對現有方法中的不足，提供一種能夠融合城市多源數據，挖掘空氣質量同其影響因子之間的深層聯系，并對城市空間范圍內任意位置的空氣質量進行精細化實時估測的空氣質量估測方法。

本發明解決其技術問題所采用的技術方案是：提供了一種融合多源時空數據的城市空氣質量精細化估測方法，包含如下步驟：

S1、對待預測目標城市，采集其歷史的空氣質量數據集和與所述空氣質量數據集中城市空氣質量相關的城市時空數據集，對空氣質量數據集和城市時空數據集進行清洗，以剔除無效數據；所述歷史空氣質量數據集包括PM2.5以及氣象特征數據；

S2、對城市時空數據集中的各個空間屬性按照時間戳進行排序，并保留空氣質量數據集中的同一時間戳的空氣質量數據，若某時刻存在某一屬性的數據缺失，則將該時刻的時空屬性以及所有的空氣質量數據剔除；

S3、對待預測目標城市進行空間格網劃分，每個網格作為基本預測單元；

S4、對劃分好的基本預測單元進行時空屬性信息的時空匹配，按照基本預測單元的空間位置，將對應空間位置的時空數據以及對應的空氣質量數據進行匹配，然后基于匹配結果，進行插值處理，使得每個基本預測單元均均有對應的時空數據以及與時空數據對應的空氣質量數據，從而形成各個基本預測單元的歷史特征數據集；

S5、對每個基本預測單元進行特征掃描，以獲取每個基本預測單元的各個多時相且多屬性的時空特征信息；時空特征信息包含N維輸入特征和一個輸出特征，輸出特征為當前時刻的PM2.5，N維輸入特征的各個輸入特征分別包含如下因子的特征信息：上一時刻的PM2.5、當前時刻的氣象特征數據、上一時刻的氣象特征數據以及時空屬性；N為大于2的正整數；