[發明專利]一種基于特征增強ConvLSTM的霧霾預測方法

有效

• 申請號: 202011557861.1
• 申請日: 2020-12-23
• 公開（公告）號: CN112990531B
• 公開（公告）日: 2021-11-19
• 發明（設計）人: 王鈺;張鈺潔;楊杏麗
• 申請（專利權）人: 山西大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 山西五維專利事務所(有限公司) 14105
• 代理人: 茹牡花

1.一種基于特征增強ConvLSTM的霧霾預測方法，其特征在于：包括如下步驟：

1)數據預處理：從公開途徑獲取霧霾指標數據，提取日度數據，然后按照溫度、氣壓、相對濕度、露點溫度、風力風向、氣溶膠光學厚度AOD、氣溶膠散射系數、氣溶膠吸收系數、PM_2.5分別匯總到9個表中；

2)生成圖像數據：根據獲得的PM_2.5數值數據生成PM_2.5圖像，將其作為ConvLSTM模型的標簽，然后將匯總的8因素日度數據生成8通道圖像，再將生成的圖像數據分為訓練樣本集和測試樣本集；

3)ConvLSTM特征融合：對步驟2)中得到的訓練樣本集進行歸一化處理，使用堆疊三層ConvLSTM模型訓練，提取每一層特征，保留訓練好的參數，進行參數微調；

輸入測試樣本集，基于訓練好的堆疊三層ConvLSTM模型進行測試，分別將每一層的輸出特征保存下來；

將所得的各層特征兩兩融合，即第一層與第二層特征融合得到預測圖Z_i1，第二層與第三層特征融合得到預測圖Z_i2，第一層與第三層特征融合得到預測圖Z_i3，對所得的預測圖Z_i1、Z_i2、Z_i3求平均值得到下一時刻的最終PM_2.5預測結果圖Z_i，其中i＝1，2，…，n；

4)CNN特征提取：對步驟3)所得最終PM_2.5預測結果圖Z_i通過CNN模型提取圖像特征；

5)多元LSTM時間序列預測：對步驟4)中提取的特征與當前PM_2.5值結合作為LSTM神經網絡的輸入，下一時刻PM_2.5的值作為標簽，構造多元LSTM時間序列預測，得到預測結果值。