[發明專利]大氣污染的可解釋預測方法

有效

• 申請號: 202010096084.9
• 申請日: 2020-02-17
• 公開（公告）號: CN111401605B
• 公開（公告）日: 2023-05-02
• 發明（設計）人: 彭珍
• 申請（專利權）人: 北京石油化工學院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06F16/2458;G06N3/044;G06N3/045;G06N3/08
• 代理公司: 北京慧泉知識產權代理有限公司 11232
• 代理人: 王順榮;唐愛華

1.一種大氣污染的可解釋預測方法，其特征在于，包括如下步驟：

①大氣污染的可解釋預測建模

大氣污染是由多個污染物組成，每種污染物濃度還受其他污染物影響，又與氣象條件密切相關，因此，t時大氣某污染物濃度是上一時間段監測到的污染排放濃度與氣象條件函數，還受其他未知的周期性因素的影響；據此，建立大氣某污染物濃度的可解釋預測模型，如公式(1)：

其中，為污染物j在t+1時段的濃度，f為狀態變換函數，A^(t)為大氣污染物排放濃度與氣象在t時段的狀態，g_j(.)為A^(t)的動態函數，u_j(t)為其他影響大氣污染的未知周期性因素；

②大氣污染可解釋預測模型中動態關系的構建

g_j(.)為A^(t)的動態函數，定義它為一個深度神經網絡，它包括k層，其中的第i層結點狀態集表達為A^(t)表示為是t時i層中第m個結點的狀態，是t時i-1層中第n個結點的狀態，結構內部i-1層結點n到i層結點m的權重v_(nm，i),M_i-1為第i-1層結點的個數；其中的任意結點狀態表達為公式(2)：

選用ReLU(·)作為單元激活函數：

ReLU(·)作為激活函數的理由是，能保證在A^(t)都為零時g_j(A^(t))＝0，并且，若將A^(t)看作動態關系g_j(A^(t))看作A^(t)的輸出是t時k+1層中第j個結點的狀態，是t時k層中第n個結點的狀態，v_(nj，k+1)結構內部k層結點n到k+1層結點j的權重定義為公式(3)：

g_j(A^(t))與A^(t)有密切關系，A^(t)隨時間t變化，是一個動態關系；

③大氣污染可解釋預測模型中周期性因素的構建

u_j(t)為其他影響大氣污染的未知周期性因素，使用循環神經網絡表示為它，如公式(4):

u_j(t)＝RNN(t，mod(t，τ)，u_j(t-1))????(4)

它包括時間t，mod(t，τ)是時間t對周期長度τ取模運算與歷史狀態u_j(t-1)；

根據公式(1)得到周期性因素的初始值u_j(1)，它為f函數的逆，如公式(5):

其中為污染物j在第2時段的濃度，在g_j(A⁽¹⁾)為大氣污染物排放濃度與氣象在第1時段A⁽¹⁾時對大氣污染影響的動態關系；

④大氣污染的時間序列挖掘方法

定義公式(1)中假設的預測值其中v為g_j的權重參數；通過最小化損失函數Loss(v)＝求解其中的參數v：

基于梯度下降法求解損失函數，即

對公式(3)求偏導得到；

⑤大氣污染的可解釋性度量方法

定義表達t時概念狀態的變化作用下對概念狀態的影響；因此，根據公式(3)，動態可解釋度量為(8)：

根據公式(3)求偏導得到。