[發(fā)明專利]基于時(shí)空殘差感知網(wǎng)絡(luò)的區(qū)域尾氣排放預(yù)測方法及系統(tǒng)有效
| 申請?zhí)枺?/td> | 202010953126.6 | 申請日: | 2020-09-11 |
| 公開(公告)號(hào): | CN112132264B | 公開(公告)日: | 2023-04-07 |
| 發(fā)明(設(shè)計(jì))人: | 許鎮(zhèn)義;康宇;曹洋;劉斌琨;李澤瑞;呂文君;趙振怡;裴麗紅 | 申請(專利權(quán))人: | 合肥綜合性國家科學(xué)中心人工智能研究院(安徽省人工智能實(shí)驗(yàn)室) |
| 主分類號(hào): | G06N3/0464 | 分類號(hào): | G06N3/0464;G06N3/048;G06N3/08;G06Q10/04;G06Q50/26 |
| 代理公司: | 合肥天明專利事務(wù)所(普通合伙) 34115 | 代理人: | 苗娟 |
| 地址: | 230000 安徽省合肥市望江西路5089號(hào),*** | 國省代碼: | 安徽;34 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 時(shí)空 感知 網(wǎng)絡(luò) 區(qū)域 尾氣 排放 預(yù)測 方法 系統(tǒng) | ||
本發(fā)明的一種基于時(shí)空殘差感知網(wǎng)絡(luò)的區(qū)域尾氣排放預(yù)測方法及系統(tǒng),可解決現(xiàn)有方法多為基于試驗(yàn)車數(shù)據(jù),外部影響因素考慮也不夠,相對(duì)誤差較大的技術(shù)問題。包括以下步驟:S100、獲取歷史尾氣時(shí)空監(jiān)測數(shù)據(jù)以及外部環(huán)境數(shù)據(jù),對(duì)所獲數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理;S200、根據(jù)尾氣變化特性構(gòu)建時(shí)序序列劃分集合;S300、基于事先構(gòu)建并訓(xùn)練好的尾氣污染時(shí)空預(yù)測模型,利用當(dāng)前時(shí)刻t的外部環(huán)境特征數(shù)據(jù)和t?1時(shí)刻前的歷史尾氣時(shí)空序列數(shù)據(jù),預(yù)測未來t+k時(shí)刻的尾氣排放。本發(fā)明通過時(shí)空殘差感知網(wǎng)絡(luò)考慮到尾氣排放具有時(shí)空異質(zhì)性以及受多種外部復(fù)雜環(huán)境因素影響,并且能夠在真實(shí)遙測數(shù)據(jù)上實(shí)現(xiàn)更高精度的區(qū)域尾氣預(yù)測。
技術(shù)領(lǐng)域
本發(fā)明涉及環(huán)境檢測技術(shù)領(lǐng)域,具體涉及一種基于時(shí)空殘差感知網(wǎng)絡(luò)的區(qū)域尾氣排放預(yù)測方法及系統(tǒng)。
背景技術(shù)
根據(jù)環(huán)保部發(fā)布的《2012中國環(huán)境狀況公報(bào)》顯示全國環(huán)境質(zhì)量保持平穩(wěn),但形勢依然嚴(yán)峻。北方城市受大范圍天氣影響,空氣質(zhì)量明顯下降,灰霾面積達(dá)130萬平方公里。國務(wù)院批復(fù)實(shí)施的《重點(diǎn)區(qū)域大氣污染防治“十二五”規(guī)劃》指示以PM2.5污染防治為重點(diǎn),突出抓好工業(yè)煙粉塵、施工揚(yáng)塵、揮發(fā)性有機(jī)物和機(jī)動(dòng)車尾氣污染治理工作。機(jī)動(dòng)車尾氣是PM2.5的來源之一,實(shí)時(shí)獲取城市區(qū)域尾氣的時(shí)空分布信息對(duì)機(jī)動(dòng)車污染防治以及環(huán)境保護(hù)大有裨益。有必要建立監(jiān)測預(yù)警體系,獲取任意時(shí)刻的城市區(qū)域尾氣時(shí)空分布可以提供城市區(qū)域尾氣污染預(yù)警以及為交通市政部門的城市交通規(guī)劃提供決策支持。
由于城市各區(qū)域?qū)嶋H交通狀況不同以及環(huán)境因素影響,都會(huì)對(duì)車輛的行駛工況造成影響,同時(shí)考慮尾氣在空間擴(kuò)散影響,給定區(qū)域內(nèi)尾氣分布會(huì)受到其臨近區(qū)域影響,在時(shí)間尺度上,由于區(qū)域內(nèi)車流量的周期性、趨勢性變化導(dǎo)致尾氣在時(shí)間上也呈現(xiàn)類似變化特征,但已有方法大多基于試驗(yàn)車測試數(shù)據(jù)建立尾氣排放因子估計(jì)模型,并不能真實(shí)反映路網(wǎng)中運(yùn)行車輛尾氣的真實(shí)排放情況,適用于所有區(qū)域。此外尾氣排放具有時(shí)空異質(zhì)性以及受多種外部復(fù)雜環(huán)境因素影響。
發(fā)明內(nèi)容
本發(fā)明提出的一種基于時(shí)空殘差感知網(wǎng)絡(luò)的區(qū)域尾氣排放預(yù)測方法及系統(tǒng),可解決現(xiàn)有方法多為基于試驗(yàn)車數(shù)據(jù),外部影響因素考慮也不夠,相對(duì)誤差較大的技術(shù)問題。
為實(shí)現(xiàn)上述目的,本發(fā)明采用了以下技術(shù)方案:
包括以下步驟:
S100、獲取歷史尾氣時(shí)空監(jiān)測數(shù)據(jù)以及外部環(huán)境數(shù)據(jù),對(duì)所獲數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理;
S200、根據(jù)尾氣變化特性構(gòu)建時(shí)序序列劃分集合;
S300、基于事先構(gòu)建并訓(xùn)練好的尾氣污染時(shí)空預(yù)測模型,利用當(dāng)前時(shí)刻t的外部環(huán)境特征數(shù)據(jù)和t-1時(shí)刻前的歷史尾氣時(shí)空序列數(shù)據(jù),預(yù)測未來t+k時(shí)刻的尾氣排放。
進(jìn)一步的,所述S300中尾氣污染時(shí)空預(yù)測模型的構(gòu)建步驟如下:
S301、獲取歷史尾氣時(shí)空監(jiān)測數(shù)據(jù)以及外部環(huán)境數(shù)據(jù),對(duì)所獲數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理;
S302、根據(jù)尾氣變化特性構(gòu)建時(shí)序序列劃分集合;
S303、根據(jù)尾氣劃分序列數(shù)據(jù)和外部環(huán)境因素?cái)?shù)據(jù)構(gòu)建深度時(shí)空殘差感知網(wǎng)絡(luò)的區(qū)域尾氣污染排放預(yù)測模型;
S304、利用預(yù)處理后的尾氣監(jiān)測數(shù)據(jù)和外部環(huán)境數(shù)據(jù)對(duì)深度時(shí)空殘差感知網(wǎng)絡(luò)進(jìn)行訓(xùn)練,得到尾氣污染時(shí)空預(yù)測模型。
進(jìn)一步的,所述S100獲取歷史尾氣時(shí)空監(jiān)測數(shù)據(jù)以及外部環(huán)境數(shù)據(jù),對(duì)所獲數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理具體包括:
S101、利用非接觸測量尾氣遙感監(jiān)測設(shè)備獲取車輛的歷史尾氣時(shí)空監(jiān)測數(shù)據(jù)以及路網(wǎng)交通、氣象環(huán)境、城市興趣點(diǎn)分布外部環(huán)境數(shù)據(jù);
S102、對(duì)所獲監(jiān)測數(shù)據(jù)進(jìn)行缺失值補(bǔ)全、異常值舍棄和數(shù)據(jù)歸一化處理。
進(jìn)一步的,所述S200根據(jù)尾氣變化特性構(gòu)建時(shí)序序列劃分集合具體包括:
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于合肥綜合性國家科學(xué)中心人工智能研究院(安徽省人工智能實(shí)驗(yàn)室),未經(jīng)合肥綜合性國家科學(xué)中心人工智能研究院(安徽省人工智能實(shí)驗(yàn)室)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010953126.6/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 上一篇:一種汽車內(nèi)飾材料
- 下一篇:一種具有脫水功能的餐廚垃圾粉碎裝置
- 一種時(shí)空地理大數(shù)據(jù)的檢索方法及系統(tǒng)
- 一種泛知識(shí)化時(shí)空對(duì)象表達(dá)數(shù)據(jù)庫建立方法
- 一種基于時(shí)空密度波與同步的大型時(shí)空數(shù)據(jù)聚類算法GRIDWAVE
- 時(shí)空數(shù)據(jù)的存儲(chǔ)方法、查詢方法及存儲(chǔ)裝置、查詢裝置
- 一種云環(huán)境下時(shí)空索引的構(gòu)建方法、裝置及電子設(shè)備
- 面向工業(yè)4.0的時(shí)空大數(shù)據(jù)分布式存儲(chǔ)檢索方法及系統(tǒng)
- 一種數(shù)據(jù)比對(duì)碰撞方法和裝置
- 時(shí)空數(shù)據(jù)的異常檢測方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)
- 一種可直接捕獲時(shí)空相關(guān)性的時(shí)空數(shù)據(jù)預(yù)測方法
- 多維時(shí)空譜數(shù)據(jù)融合方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)
- 基于策略的業(yè)務(wù)感知模型及感知方法
- 一種基于分區(qū)感知的無線通信系統(tǒng)頻譜感知方法
- 確定空閑頻段的方法和系統(tǒng)、中心節(jié)點(diǎn)和感知節(jié)點(diǎn)
- 感知無線網(wǎng)絡(luò)的共享協(xié)作頻譜感知方法、感知節(jié)點(diǎn)和匯聚中心
- 感知無線網(wǎng)絡(luò)的協(xié)作頻譜感知方法和感知節(jié)點(diǎn)
- 頻譜感知方法、頻譜感知設(shè)備和數(shù)據(jù)庫
- 基于認(rèn)知數(shù)據(jù)庫和頻譜感知的頻譜共享方法及裝置
- 一種頂層感知限位組
- 一種自動(dòng)駕駛汽車用升降式智能感知模塊
- 感知數(shù)據(jù)獲取方法和裝置
- 網(wǎng)絡(luò)和網(wǎng)絡(luò)終端
- 網(wǎng)絡(luò)DNA
- 網(wǎng)絡(luò)地址自適應(yīng)系統(tǒng)和方法及應(yīng)用系統(tǒng)和方法
- 網(wǎng)絡(luò)系統(tǒng)及網(wǎng)絡(luò)至網(wǎng)絡(luò)橋接器
- 一種電力線網(wǎng)絡(luò)中根節(jié)點(diǎn)網(wǎng)絡(luò)協(xié)調(diào)方法和系統(tǒng)
- 一種多網(wǎng)絡(luò)定位方法、存儲(chǔ)介質(zhì)及移動(dòng)終端
- 網(wǎng)絡(luò)裝置、網(wǎng)絡(luò)系統(tǒng)、網(wǎng)絡(luò)方法以及網(wǎng)絡(luò)程序
- 從重復(fù)網(wǎng)絡(luò)地址自動(dòng)恢復(fù)的方法、網(wǎng)絡(luò)設(shè)備及其存儲(chǔ)介質(zhì)
- 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法、裝置及存儲(chǔ)介質(zhì)
- 網(wǎng)絡(luò)管理方法和裝置





