[發明專利]基于高斯回歸的大氣污染物濃度的預測方法及裝置

在審

• 申請號: 202010601670.4
• 申請日: 2020-06-28
• 公開（公告）號: CN111754042A
• 公開（公告）日: 2020-10-09
• 發明（設計）人: 羅磊;李辰;李瑋;廖強
• 申請（專利權）人: 成都佳華物鏈云科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 唐正瑜

1.一種基于高斯回歸的大氣污染物濃度的預測方法，其特征在于，包括：

獲取距當前時刻第一預設歷史時間段內的第一環境數據；其中，所述環境數據包括多種污染物濃度數據和氣象數據；

根據預設時間窗口從所述第一環境數據中獲取多個訓練樣本，其中，所述訓練樣本包括第一時間段對應的環境數據和第二時間段對應的多種污染物濃度數據，且所述第一時間段中的最早時刻早于所述第二時間段中的最早時刻；

利用所述多個訓練樣本對高斯過程回歸模型進行訓練，獲得預測模型；

獲取距當前時刻第二預設歷史時間段內的第二環境數據，利用所述預測模型對所述第二環境數據進行分析，獲得所述預測模型輸出的未來預設時間段內污染物濃度數據。

2.根據權利要求1所述的方法，其特征在于，所述利用所述多個訓練樣本對高斯過程回歸模型進行訓練，獲得預測模型，包括：

構建高斯核函數，所述高斯核函數中的參數為初始值；

利用所述多個訓練樣本對所述高斯核函數中的參數進行優化，獲得所述預測模型。

3.根據權利要求2所述的方法，其特征在于，所述利用所述多個訓練樣本對所述高斯核函數中的參數進行優化，獲得所述預測模型，包括：

利用多個訓練樣本對所述高斯核函數中的參數進行如下迭代步驟的學習，直至獲得的預測數據與第二時間段對應的多種污染物濃度數據的距離小于預設值為止；其中，所述迭代步驟包括：

將訓練樣本中第一時間段對應的第一環境數據代入所述高斯核函數，獲得所述第一時間段對應的第一環境數據對應的第一協方差矩陣；

根據所述第一協方差矩陣進行采樣，獲得預測數據；

根據所述預測數據和所述訓練樣本中第二時間段對應的多種污染物濃度數據對所述高斯核函數中的參數進行優化。

4.根據權利要求2所述的方法，其特征在于，所述高斯核函數為：

k＝RBF×periodic×C；

其中，σ₁、l₁、σ₂、l₂、p、σ_b、σ₃和c均為所述高斯核函數的參數；t_a和t_b為任意兩個指數；k為指數a和b上兩個訓練樣本中的第一環境數據x_a和x_b的協方差。

5.根據權利要求1所述的方法，其特征在于，所述利用所述預測模型對所述第二環境數據進行分析，獲得所述預測模型輸出的未來預設時間段內污染物濃度數據，包括：

獲取所述預測模型對應的高斯核函數，并根據所述多個訓練樣本以及所述高斯核函數確定所述多個訓練樣本對應的第二協方差矩陣；

根據所述第二協方差矩陣，利用貝葉斯公式計算獲得所述第二環境數據對應的均值和協方差；

根據所述均值和所述協方差矩陣獲得所述第二環境數據對應的未來預設時間段內污染物濃度數據。

6.根據權利要求5所述的方法，其特征在于，所述根據所述第二協方差矩陣，利用貝葉斯公式計算獲得所述第二環境數據對應的均值和協方差，包括：

根據計算獲得所述第二環境數據對應的均值；

根據計算獲得所述第二環境數據對應的協方差；

其中，訓練樣本對應的第二協方差矩陣為X₁為所述訓練樣本；μ₁和μ₂為所述訓練樣本的均值。

7.根據權利要求1-6任一項所述的方法，其特征在于，所述多種污染物濃度數據包括PM2.5、PM10、二氧化硫、一氧化碳、二氧化氮和臭氧中的多項，所述氣象數據包括：空氣質量指數、天氣、風速、風向和溫度和相對濕度中的至少一項。