[發(fā)明專利]基于高斯回歸的大氣污染物濃度的預(yù)測方法及裝置

在審

• 申請?zhí)枺?/td>: 202010601670.4
• 申請日: 2020-06-28
• 公開（公告）號: CN111754042A
• 公開（公告）日: 2020-10-09
• 發(fā)明（設(shè)計）人: 羅磊;李辰;李瑋;廖強
• 申請（專利權(quán)）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(wù)所(特殊普通合伙) 11463
• 代理人: 唐正瑜

本申請?zhí)峁┮环N基于高斯回歸的大氣污染物濃度的預(yù)測方法及裝置。該方法包括：獲取距當(dāng)前時刻第一預(yù)設(shè)歷史時間段內(nèi)的第一環(huán)境數(shù)據(jù)；環(huán)境數(shù)據(jù)包括多種污染物濃度數(shù)據(jù)和氣象數(shù)據(jù)；根據(jù)預(yù)設(shè)時間窗口從第一環(huán)境數(shù)據(jù)中獲取多個訓(xùn)練樣本，訓(xùn)練樣本包括第一時間段對應(yīng)的環(huán)境數(shù)據(jù)和第二時間段對應(yīng)的多種污染物濃度數(shù)據(jù)；利用多個訓(xùn)練樣本對高斯過程回歸模型進行訓(xùn)練獲得預(yù)測模型；獲取距當(dāng)前時刻第二預(yù)設(shè)歷史時間段內(nèi)的第二環(huán)境數(shù)據(jù)，利用預(yù)測模型對第二環(huán)境數(shù)據(jù)進行分析，獲得預(yù)測模型輸出的未來預(yù)設(shè)時間段內(nèi)污染物濃度數(shù)據(jù)。本申請實施例能夠提高對未來時間段的大氣污染物濃度預(yù)測的準(zhǔn)確性。

技術(shù)領(lǐng)域

本申請涉及大氣檢測技術(shù)領(lǐng)域，具體而言，涉及一種基于高斯回歸的大氣污染物濃度的預(yù)測方法及裝置。

背景技術(shù)

近年來，隨著社會經(jīng)濟水平的不斷提高，人們的生產(chǎn)生活污染物排放量也在不斷增長，對環(huán)境的影響日益加劇，大氣污染便是其中重要的一部分。常見的大氣污染物包括PM2.5、PM10、SO₂、NO₂、CO和O₃，統(tǒng)稱為大氣六參污染物，各地國控站均有記錄。為了避免嚴(yán)重大氣污染事件的發(fā)生，需要對當(dāng)?shù)匚磥硪欢螘r間大氣六參濃度的變化進行預(yù)測，以便提前采取措施進行防控。

現(xiàn)有技術(shù)中對大氣污染物濃度的預(yù)測方法有基于自回歸滑動平均模型(ARMA)的預(yù)測方法和基于差分整合移動平均自回歸模型(ARIMA)的預(yù)測方法等。上述兩種模型的預(yù)測方法均無法同時使用較長歷史時段的數(shù)據(jù)進行建模分析，而污染物變化的時間影響長度可能長達(dá)數(shù)百小時，因此，上述兩種方法對未來時間段的大氣污染物濃度預(yù)測不夠準(zhǔn)確。

發(fā)明內(nèi)容

本申請實施例的目的在于提供一種基于高斯回歸的大氣污染物濃度的預(yù)測方法及裝置，用以提高對未來時間段內(nèi)的大氣污染物濃度預(yù)測的準(zhǔn)確性。

第一方面，本申請實施例提供一種基于高斯回歸的大氣污染物濃度的預(yù)測方法，包括：獲取距當(dāng)前時刻第一預(yù)設(shè)歷史時間段內(nèi)的第一環(huán)境數(shù)據(jù)；其中，所述環(huán)境數(shù)據(jù)包括多種污染物濃度數(shù)據(jù)和氣象數(shù)據(jù)；根據(jù)預(yù)設(shè)時間窗口從所述第一環(huán)境數(shù)據(jù)中獲取多個訓(xùn)練樣本，其中，所述訓(xùn)練樣本包括第一時間段對應(yīng)的環(huán)境數(shù)據(jù)和第二時間段對應(yīng)的多種污染物濃度數(shù)據(jù)，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(xùn)練樣本對高斯過程回歸模型進行訓(xùn)練，獲得預(yù)測模型；獲取距當(dāng)前時刻第二預(yù)設(shè)歷史時間段內(nèi)的第二環(huán)境數(shù)據(jù)，利用所述預(yù)測模型對所述第二環(huán)境數(shù)據(jù)進行分析，獲得所述預(yù)測模型輸出的未來預(yù)設(shè)時間段內(nèi)污染物濃度數(shù)據(jù)。

本申請實施例通過利用高斯回歸模型對第二預(yù)設(shè)歷史時間段內(nèi)的第二環(huán)境數(shù)據(jù)進行分析，由于高斯回歸模型的訓(xùn)練是通過數(shù)百個歷史時間段進行訓(xùn)練獲得的，其能夠提高對未來時間段的大氣污染物濃度預(yù)測的準(zhǔn)確性。

進一步地，所述利用所述多個訓(xùn)練樣本對高斯過程回歸模型進行訓(xùn)練，獲得預(yù)測模型，包括：構(gòu)建高斯核函數(shù)，所述高斯核函數(shù)中的參數(shù)為初始值；利用所述多個訓(xùn)練樣本對所述高斯核函數(shù)中的參數(shù)進行優(yōu)化，獲得所述預(yù)測模型。

本申請實施例使用高斯過程回歸算法，對污染物未來濃度與歷史濃度、天氣之間的非線性關(guān)系進行回歸，能夠?qū)ξ磥砦廴疚镒兓M行更加精準(zhǔn)地預(yù)測。

進一步地，所述利用所述多個訓(xùn)練樣本對所述高斯核函數(shù)中的參數(shù)進行優(yōu)化，獲得所述預(yù)測模型，包括：利用多個訓(xùn)練樣本對所述高斯核函數(shù)中的參數(shù)進行如下迭代步驟的學(xué)習(xí)，直至獲得的預(yù)測數(shù)據(jù)與第二時間段對應(yīng)的多種污染物濃度數(shù)據(jù)的距離小于預(yù)設(shè)值為止；其中，所述迭代步驟包括：將訓(xùn)練樣本中第一時間段對應(yīng)的第一環(huán)境數(shù)據(jù)代入所述高斯核函數(shù)，獲得所述第一時間段對應(yīng)的第一環(huán)境數(shù)據(jù)對應(yīng)的第一協(xié)方差矩陣；根據(jù)所述第一協(xié)方差矩陣進行采樣，獲得預(yù)測數(shù)據(jù)；根據(jù)所述預(yù)測數(shù)據(jù)和所述訓(xùn)練樣本中第二時間段對應(yīng)的多種污染物濃度數(shù)據(jù)對所述高斯核函數(shù)中的參數(shù)進行優(yōu)化。

本申請實施例通過利用歷史數(shù)據(jù)對高斯核函數(shù)中的參數(shù)進行優(yōu)化，從而能夠根據(jù)高斯核函數(shù)獲得準(zhǔn)確的協(xié)方差矩陣，進而能夠獲得準(zhǔn)確的未來時間的大氣污染物濃度。