[發明專利]一種空氣質量指數的預測方法

在審

• 申請號: 202011433625.9
• 申請日: 2020-12-10
• 公開（公告）號: CN114626567A
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 尚鵬;王博;侯增濤;付威廉;張笑千;楊德龍
• 申請（專利權）人: 中國科學院深圳先進技術研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06N3/04
• 代理公司: 北京市誠輝律師事務所 11430
• 代理人: 范盈

1.一種空氣質量指數的預測方法，其特征在于，包括以下步驟：

構造網絡數據，其中，所述網絡數據包括空氣監測站點之間的鄰接矩陣和各個空氣監測站點的特征矩陣；

構建空氣質量指數預測模型，所述空氣質量指數預測模型包括基于注意力的圖卷積網絡和長短期記憶神經網絡；

訓練空氣質量指數預測模型

將所述網絡數據輸入至空氣質量指數預測模型，基于損失函數對所述空氣質量指數預測模型中進行訓練，直至所述空氣質量指數預測模型收斂；

利用訓練好的空氣質量指數預測模型對空氣質量指數進行預測。

2.根據權利要求1所述的一種空氣質量指數的預測方法，其特征在于，所述構造網絡數據的步驟具體包括：

獲取多個空氣監測站點的大氣歷史數據以及各個空氣監測站點之間的距離，其中所述大氣歷史數據包括各項污染物空氣質量分指數的歷史數據和氣象歷史數據；

根據各個空氣監測站點之間的距離構造空氣監測站點之間的鄰接矩陣；

對大氣歷史數據進行預處理得到各個空氣監測站點的特征矩陣；

將所述大氣歷史數據劃分為訓練集、驗證集和測試集。

3.根據權利要求2所述的一種空氣質量指數的預測方法，其特征在于，預處理方法包括均值填充空值，去除異常數據，平滑數據。

4.根據權利要求3所述的一種空氣質量指數的預測方法，其特征在于，所述訓練集、驗證集和測試集的占比分別為70％、15％和15％。

5.根據權利要求4所述的一種空氣質量指數的預測方法，其特征在于，所述根據各個空氣監測站點之間的距離構造空氣監測站點之間的鄰接矩陣的步驟包括：設置閾值k＝1500km，大于k的為0，小于k的設置為1來構造各個站點的鄰接矩陣。

6.根據權利要求1或2所述的一種空氣質量指數的預測方法，其特征在于，所述訓練訓練空氣質量指數預測模型具體包括：

將空氣監測站點之間的鄰接矩陣和訓練集的特征矩陣輸入至基于注意力的圖卷積網絡中，得到大氣特征矩陣；

采用多步多變量法重構大氣特征矩陣，得到構造后的大氣特征數據；

將構造后的大氣特征數據輸入至長短期記憶神經網絡層進行訓練；

設計損失函數；

基于損失函數對所述空氣質量指數預測模型中進行訓練，直至模型收斂。

7.根據權利要求6所述的一種空氣質量指數的預測方法，其特征在于，所述損失函數表示為

其中，O_i為第i條大氣特征數據的真實值，P_i為第i條大氣特征數據的預測值，N為總的數據個數。

8.根據權利要求7所述的一種空氣質量指數的預測方法，其特征在于，所述利用訓練好的空氣質量指數預測模型對空氣質量指數進行預測的步驟具體包括將測試集輸入至訓練好的空氣質量指數預測模型得到空氣質量指數。