[發(fā)明專利]一種基于遷移學(xué)習(xí)的空氣質(zhì)量的預(yù)測方法及裝置

有效

• 申請?zhí)枺?/td>: 202010163503.6
• 申請日: 2020-03-10
• 公開（公告）號: CN111461410B
• 公開（公告）日: 2022-08-26
• 發(fā)明（設(shè)計）人: 劉亮;馬華東;雷田子
• 申請（專利權(quán)）人: 北京郵電大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06N3/04
• 代理公司: 北京柏杉松知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11413
• 代理人: 孫翠賢;丁蕓

本發(fā)明實施例提供了一種基于遷移學(xué)習(xí)的空氣質(zhì)量的預(yù)測方法和裝置，針對劃分目標(biāo)城市得到的多個第一區(qū)域，獲取該第一區(qū)域在歷史時間的影響數(shù)據(jù)；針對每個第一區(qū)域，基于該第一區(qū)域的影響數(shù)據(jù)，以及預(yù)先訓(xùn)練得到的多個預(yù)測模型中與該第一區(qū)域?qū)?yīng)的預(yù)測模型，獲得該第一區(qū)域在目標(biāo)時間的空氣質(zhì)量數(shù)據(jù)，并將所獲得的多個空氣質(zhì)量數(shù)據(jù)，作為目標(biāo)城市在目標(biāo)時間的空氣質(zhì)量數(shù)據(jù)；其中，任一第一區(qū)域?qū)?yīng)的預(yù)測模型為利用該第一區(qū)域的歷史空氣質(zhì)量數(shù)據(jù)，以及與該第一區(qū)域的歷史空氣質(zhì)量數(shù)據(jù)對應(yīng)的歷史影響數(shù)據(jù)，對基于遷移學(xué)習(xí)獲得的多個初始模型中與該第一區(qū)域?qū)?yīng)的初始模型進(jìn)行訓(xùn)練得到的。本發(fā)明可以提高空氣質(zhì)量的預(yù)測準(zhǔn)確度。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，特別涉及一種基于遷移學(xué)習(xí)的空氣質(zhì)量的預(yù)測方法及裝置。

背景技術(shù)

近年來，為了方便生活以及生產(chǎn)等等應(yīng)用場景，對未來的空氣質(zhì)量進(jìn)行預(yù)測變得不可或缺。對此，針對需要預(yù)測在目標(biāo)時間的空氣質(zhì)量的目標(biāo)城市，可以預(yù)先利用目標(biāo)城市的歷史空氣質(zhì)量數(shù)據(jù)，訓(xùn)練得到預(yù)測模型；進(jìn)而基于目標(biāo)城市在與目標(biāo)時間間隔指定時長的歷史時間的影響數(shù)據(jù)以及該預(yù)測模型，獲得目標(biāo)城市在目標(biāo)時間的空氣質(zhì)量數(shù)據(jù)，從而實現(xiàn)對目標(biāo)時間的空氣質(zhì)量的預(yù)測。其中，目標(biāo)時間是相對于當(dāng)前時間的未來的時間；影響數(shù)據(jù)為能夠影響空氣質(zhì)量的數(shù)據(jù)，例如，城市的天氣以及人流量等等數(shù)據(jù)。

相關(guān)技術(shù)中，歷史空氣質(zhì)量數(shù)據(jù)可以是空氣質(zhì)量監(jiān)測站監(jiān)測得到的數(shù)據(jù)。但是，空氣質(zhì)量監(jiān)測站較高的建造與維護(hù)成本，使得部分城市的空氣質(zhì)量監(jiān)測站的數(shù)量相對而言過少。相應(yīng)的，該城市的歷史空氣質(zhì)量數(shù)據(jù)十分有限。并且，有限的歷史空氣質(zhì)量數(shù)據(jù)容易導(dǎo)致訓(xùn)練得到的預(yù)測模型的參數(shù)不夠準(zhǔn)確；進(jìn)而造成對該城市空氣質(zhì)量的預(yù)測不夠準(zhǔn)確。

可見，如何在歷史空氣質(zhì)量數(shù)據(jù)有限的情況下，提高空氣質(zhì)量的預(yù)測準(zhǔn)確度，是亟待解決的問題。

發(fā)明內(nèi)容

本發(fā)明實施例的目的在于提供一種基于遷移學(xué)習(xí)的空氣質(zhì)量的預(yù)測方法，以實現(xiàn)在歷史空氣質(zhì)量數(shù)據(jù)有限的情況下，提高空氣質(zhì)量的預(yù)測準(zhǔn)確度的效果。

具體技術(shù)方案如下：

在本發(fā)明實施的第一方面，提供了一種基于遷移學(xué)習(xí)的空氣質(zhì)量的預(yù)測方法，所述方法包括：

針對劃分目標(biāo)城市得到的多個第一區(qū)域，獲取該第一區(qū)域在與目標(biāo)時間間隔指定時長的歷史時間的影響數(shù)據(jù)；其中，所述影響數(shù)據(jù)為能夠影響空氣質(zhì)量的數(shù)據(jù)；

針對每個第一區(qū)域，基于該第一區(qū)域的所述影響數(shù)據(jù)，以及預(yù)先訓(xùn)練得到的多個預(yù)測模型中，與該第一區(qū)域?qū)?yīng)的預(yù)測模型，獲得該第一區(qū)域在所述目標(biāo)時間的空氣質(zhì)量數(shù)據(jù)，并將所獲得的多個空氣質(zhì)量數(shù)據(jù)，作為所述目標(biāo)城市在所述目標(biāo)時間的空氣質(zhì)量數(shù)據(jù)；其中，任一第一區(qū)域?qū)?yīng)的預(yù)測模型為利用該第一區(qū)域的歷史空氣質(zhì)量數(shù)據(jù)，以及與該第一區(qū)域的歷史空氣質(zhì)量數(shù)據(jù)對應(yīng)的影響數(shù)據(jù)，對基于遷移學(xué)習(xí)獲得的多個初始模型中，與該第一區(qū)域?qū)?yīng)的初始模型進(jìn)行訓(xùn)練得到的；

其中，所述遷移學(xué)習(xí)包括：針對劃分源城市得到的多個第二區(qū)域，利用該第二區(qū)域的歷史空氣質(zhì)量數(shù)據(jù)，以及與該第二區(qū)域的歷史空氣質(zhì)量數(shù)據(jù)對應(yīng)的歷史影響數(shù)據(jù)，訓(xùn)練得到該第二區(qū)域的預(yù)測模型，作為與該第二區(qū)域匹配的第一區(qū)域?qū)?yīng)的初始模型；其中，所述每個第二區(qū)域的歷史空氣質(zhì)量數(shù)據(jù)的數(shù)量大于任一第一區(qū)域的歷史空氣質(zhì)量數(shù)據(jù)；所述與該第二區(qū)域匹配的第一區(qū)域為所述多個第一區(qū)域中，與該第二區(qū)域的空間密度數(shù)據(jù)之間的相似度，滿足預(yù)設(shè)相似條件的第一區(qū)域；任一區(qū)域的空間密度數(shù)據(jù)用于反映該區(qū)域中關(guān)于城市服務(wù)的興趣點的密集程度。

可選的，任一影響數(shù)據(jù)包括：城市服務(wù)數(shù)據(jù)和城市環(huán)境數(shù)據(jù)；其中，所述城市服務(wù)數(shù)據(jù)為關(guān)于實現(xiàn)城市服務(wù)所利用的資源的數(shù)據(jù)；所述城市環(huán)境數(shù)據(jù)為關(guān)于城市的自然環(huán)境的數(shù)據(jù)；

針對任一第二區(qū)域，該第二區(qū)域的預(yù)測模型的結(jié)構(gòu)包括：第一神經(jīng)網(wǎng)絡(luò)組和第二神經(jīng)網(wǎng)絡(luò)組相串聯(lián)，串聯(lián)得到的輸出與第三神經(jīng)網(wǎng)絡(luò)組連接；