[發明專利]一種大氣污染預警方法、裝置及可讀存儲介質

有效

• 申請號: 201911415162.0
• 申請日: 2019-12-31
• 公開（公告）號: CN113125635B
• 公開（公告）日: 2023-04-28
• 發明（設計）人: 黃沖;王璐璐
• 申請（專利權）人: 北京蛙鳴華清環?？萍加邢薰?/a>
• 主分類號: G01N33/00
• 分類號: G01N33/00;G01W1/10
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 許靜;黃燦

1.一種大氣污染預警方法，其特征在于，包括：

獲取N個考核站和M個監測站采集的大氣污染數據和氣象數據，其中，所述N為大于或者等于1的整數，所述M為大于1的整數，所述考核站和所述監測站通稱為站點；

基于所述獲取的大氣污染數據和氣象數據，建立包括N個考核站和M個監測站的關聯網絡，其中，所述關聯網絡用于表示所述站點之間的關聯；

將目標考核站及其所在類的站點的大氣污染數據和氣象數據作為輸入數據，基于所述輸入數據得到所述目標考核站的大氣污染預測值，其中，所述目標考核站點所在的類由所述關聯網絡得到，所述目標考核站為所述N個考核站中的考核站；

基于所述目標考核站的大氣污染預測值及大氣污染真實值進行預警，引入網絡聚類算法LFM，通過設置所述網絡聚類算法LFM中的常量參數α的值將所述關聯網絡中的所述站點分成不同的類，且所述不同的類中至少包含一個所述考核站。

2.如權利要求1所述的大氣污染預警方法，其特征在于，所述基于所述獲取的大氣污染數據和氣象數據，建立包括N個考核站和M個監測站的關聯網絡，包括：

引入關聯激活算法，且通過所述獲取的大氣污染數據中的至少一項指標建立所述關聯網絡，所述關聯激活算法用于在所述站點間建立關聯關系。

3.如權利要求1所述的大氣污染預警方法，其特征在于，所述基于所述輸入數據得到所述目標考核站的大氣污染預測值，包括：

所述目標考核站的大氣污染預測采用長短期記憶網絡算法LSTM，通過設置所述長短期記憶網絡算法LSTM中的時間步、細胞單元數量以及所述輸入數據的數量進行大氣污染預測。

4.如權利要求1所述的大氣污染預警方法，其特征在于，所述基于所述目標考核站的大氣污染預測值及大氣污染真實值進行預警，包括：

若所述大氣污染預測值大于閾值一，則采用第一預警方式；

若所述大氣污染真實值大于所述閾值二，且所述大氣污染真實值與所述大氣污染預測值的差值大于閾值三，且所述差值與所述大氣污染真實值的比值大于閾值四，則采用第二預警方式。

5.如權利要求1所述的大氣污染預警方法，其特征在于，所述基于所述目標考核站的大氣污染預測值及大氣污染真實值進行預警之后，所述方法還包括：

基于所述目標考核站及其同類的站點的大氣污染數據和氣象數據得到與所述目標考核站同類的站點對所述目標考核站的影響力指數，且根據所述影響力指數，判斷污染源方向。

6.一種大氣污染預警裝置，其特征在于，包括：

獲取模塊，用于獲取N個考核站和M個監測站采集的大氣污染數據和氣象數據，其中，所述N為大于或者等于1的整數，所述M為大于1的整數，所述考核站和所述監測站通稱為站點；

關聯模塊，用于基于所述獲取的大氣污染數據和氣象數據，建立包括N個考核站和M個監測站的關聯網絡，其中，所述關聯網絡用于表示所述站點之間的關聯；

預測模塊，用于將目標考核站及其所在類的站點的大氣污染數據和氣象數據作為輸入數據，基于所述輸入數據得到所述目標考核站的大氣污染預測值，其中，所述目標考核站所在的類由所述關聯網絡得到，所述目標考核站為所述N個考核站中的考核站；

預警模塊，用于基于所述目標考核站的大氣污染預測值及大氣污染真實值進行預警，引入網絡聚類算法LFM，通過設置所述網絡聚類算法LFM中的常量參數α的值將所述關聯網絡中的所述站點分成不同的類，且所述不同的類中至少包含一個所述考核站。

7.如權利要求6所述的裝置，其特征在于，所述裝置還包括：

溯源模塊，用于基于所述目標考核站及其同類的站點的大氣污染數據和氣象數據得到與所述目標考核站同類的站點對所述目標考核站的影響力指數，且根據所述影響力指數，判斷污染源方向。

8.一種大氣污染預警裝置，其特征在于，包括：處理器、存儲器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序被所述處理器執行時實現如權利要求1至5中任一項所述的大氣污染預警方法的步驟。

9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1至5中任一項所述的大氣污染預警方法中的步驟。