[發明專利]面向結構化數據的深度卷積線性條件隨機場的實現方法

在審

• 申請號: 202010627948.5
• 申請日: 2020-07-02
• 公開（公告）號: CN111754046A
• 公開（公告）日: 2020-10-09
• 發明（設計）人: 余化鵬;馮世杰;羅喆;常永鑫
• 申請（專利權）人: 成都大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/04
• 代理公司: 四川力久律師事務所 51221
• 代理人: 王波

1.一種面向結構化數據的深度卷積線性條件隨機場的實現方法，其特征在于，包括如下步驟：

S1訓練出最優模型，具體包括步驟S11-S15：

S11采集多個站點的污染物數據；污染物數據包括氣象數據和車流數據以及污染物的污染濃度；

S12采用線性函數歸一化將污染物數據進行預處理，將得到的氣象加車流列表與相對應的污染濃度列表作為訓練集；

S13構建兩個輸出張量不同的深度卷積神經網絡；兩個張量分別代表線性條件隨機場的狀態特征函數與轉移特征函數的輸出結果；

S14采用極大似然的方法構建損失函數；

S15將訓練集輸入到兩個構建好的神經網絡中，輸出兩個特定緯度的不同張量；將張量代入線性條件隨機場的損失函數中迭代優化，得到最優模型的模型參數；

S2將待測站點的氣象數據和車流數據輸入所述最優模型，得到待測站點污染物的污染濃度。

2.根據權利要求1所述的方法，其特征在于，所述步驟S11包括：

監測每個監測站點的污染物數據，每個站點隔一定時間測試一次周圍的氣象、車流以及污染物的污染濃度，將站點檢測的數據按照時間順序填入表格；其中氣象為風速、風向、溫度、濕度、氣壓，車流為N種不同車型的數量,N大于0。

3.根據權利要求2所述的方法，其特征在于，所述車流為10種不同車型的數量。

4.根據權利要求3所述的方法，其特征在于，所述步驟S12包括：

采用線性函數歸一化對污染物的氣象數據和車流數據進行等比例縮放，轉換為[0,1]的范圍內，采用公式如下：

x_norm＝x-x_min/x_max-x_min

x_norm為歸一化后的數據，x為污染物數據，x_min是污染物數據中的最小值，x_max是污染物數據中的最大值；

預處理后得到一個15×1320維的氣象加車流列表，即訓練數據，設為X；另一個相對應的污染濃度列表為1×1320維，即標簽，設為Y；

將氣象加車流列表及相對應的污染濃度列表分為訓練集和測試集；其中，訓練集的X1為15×1200，Y1為1×1200；測試集的X2為15×120，Y2為1×120。

5.根據權利要求4所述的方法，其特征在于，所述步驟S13包括：

采用連續幀標注的線性條件隨機場，計算條件概率：

狀態特征函數h(y_k+1；X)和特征轉移函數g(y_k,y_k+1；X)，都通過深度神經網絡來構建；將訓練集輸入兩個深度卷積神經網絡，分別得到兩個函數關于數據x的相關輸出，用特定維數的張量表示；關于歸一化因子Z(x)采用遞歸的方式實現。

6.根據權利要求5所述的方法，其特征在于，所述步驟S14所述損失函數：

-logP(y₁,...,y_n|X)X＝(x₁,...,x_n)

計算損失函數等于

7.根據權利要求6所述的方法，其特征在于，所述步驟S15中，采用梯度下降的方法進行迭代優化，采用循環的方式實現迭代優化的過程，并設置循環停止條件：

|l_i-1-l_i|＜ε

其中，l_i-1和l_i分別為第(i-1)次和第i次優化結果，ε為任意正實數。