[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

本發明涉及空氣污染預測技術領域，尤其涉及一種空氣質量指數的預測方法，包括以下步驟：構造網絡數據；構建空氣質量指數預測模型，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；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。本發明提出的一種空氣質量指數的預測方法，解決了現有的預測方法的準確率不高的問題。

技術領域

本發明涉及空氣污染預測技術領域，尤其涉及一種空氣質量指數的預測方法。

背景技術

空氣質量指數(Air Quality Index，簡稱AQI)，是一個用來定量描述空氣質量水平的數值。大氣污染能夠通過空氣質量指數很直接的表現出來，大氣污染有地域性和時間性兩方面的因素影響，通常來講就是具有時空性質。

現有的大氣污染物的預測技術只針對時間特征和空間特征，沒有同時考慮兩方面的影響。使用時間特征是一種傳統的、利用空氣質量指數這種對時間敏感數據的特性，預測空氣質量指數，但是現有的模型對時間序列的處理已經到達了瓶頸階段，無法進一步提升預測準確率。

只使用空間特征，是考慮當前站點和其他站點的相互影響，而忽略了大氣數據的時序性，而且現階段的空間特征的使用往往只局限于鄰居節點的學習，而沒有像人學習思維一樣，有學習注意力的特性，讓模型學得鄰居節點的權值。

發明內容

本發明提出一種空氣質量指數的預測方法，以解決現有的預測方法的準確率不高的問題。

本發明解決上述問題的技術方案是：一種空氣質量指數的預測方法，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。

優選的是，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。

優選的是，預處理方法包括均值填充空值，去除異常數據，平滑數據。

優選的是，所述訓練集、驗證集和測試集的占比分別為70％、15％和15％。

優選的是，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來構造鄰接矩陣。

優選的是，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；