[發明專利]實景日歷控件生成方法、裝置、電子設備、存儲介質及實景日歷

在審

• 申請號: 202110156905.8
• 申請日: 2021-02-04
• 公開（公告）號: CN112800350A
• 公開（公告）日: 2021-05-14
• 發明（設計）人: 李澤釗;卓流藝;計陸平;秦東明
• 申請（專利權）人: 中科三清科技有限公司
• 主分類號: G06F16/9537
• 分類號: G06F16/9537;G06F16/9538;G06F16/957;G06Q10/04;G16C20/20;G16C20/70;G06N3/08
• 代理公司: 北京錦信誠泰知識產權代理有限公司 11813
• 代理人: 倪青華

本申請提供一種實景日歷控件生成方法、裝置、電子設備、存儲介質及實景日歷，其特征在于，所述實景日歷控件的生成方法為：數據初始化及數據請求；解析返回數據，所述返回數據包括當前城市實景圖片url、空氣質量預測數據和空氣質量實測數據；加載實景圖片，實景圖片加載空氣質量預測數據和空氣質量實測數據；展示首要污染物、城市實景圖片，以及以不同顏色區分展示污染級別。本申請將空氣質量實景圖和自定義日歷控件結合的方式顯示，空氣質量實景圖和日歷融為一體，更容易看出空氣質量實景的變化趨勢，每日的圖片上可以疊加空氣質量預報結果，對月度空氣質量預報結果進行對比，滿足了對空氣質量預報和實測情況對比的需求。

技術領域

本發明涉及數據處理技術領域，尤其是一種實景日歷控件生成方法、裝置、電子設備、存儲介質及實景日歷。

背景技術

現有技術是以日歷和實景圖分離的形式來展示空氣質量實景圖的，顯示效果不夠直接簡潔清晰，當想逐天查看整月數據對比情況時，無法對比出差異；現有技術一般是通過空氣質量實景圖列表的方式進行展示，用戶可視范圍內圖片較少，而且很難看出視覺范圍外的日期圖片對比情況，不能直觀感受到變化的空氣質量實景的趨勢，并且沒有疊加空氣質量預報數據，和空氣質量觀測數據。

同時，國內外的空氣質量預測模型主要采用經典的回歸統計模型和數值預報模型，由于回歸統計預報方法比較簡便、經濟，因此我國的空氣質量預測主要借助于統計模型；人工神經網絡作為一種不同于回歸模型的非線性智能統計模型也被應用到空氣質量預測當中，但以往基于人工神經網絡的空氣質量預測方法將所有氣象因子和主要污染物濃度因子作為網絡輸入，隨著輸入因子數量的增加，訓練樣本大幅度增加，網絡訓練模型大，同時易受到不相關因子的干擾，導致網絡模型性能下降。

發明內容

為解決上述技術問題，本發明提出一種實景日歷控件生成方法，其特征在于，包括：

數據初始化及數據請求，將當前城市和當前日期發送至服務器，請求獲取城市實景圖片、空氣質量預測數據和空氣質量實測數據；

解析返回數據，所述返回數據包括當前城市實景圖片url、空氣質量預測數據和空氣質量實測數據；

加載實景圖片，加載城市實景圖片、空氣質量預測數據和空氣質量實測數據到所述實景日歷控件對應視圖中；

展示首要污染物、城市實景圖片，以及以不同顏色區分展示污染級別。

進一步地，所述空氣質量預測數據通過空氣質量預測網絡模型預測獲得，所述空氣質量預測數據通過以下方法獲得：

獲取歷史數據和當日數據，所述歷史數據包括氣象因子歷史數據和主要污染物濃度因子歷史數據，所述氣象因子歷史數據為當前城市過去五年每日的日均氣壓、日均氣溫、日均相對濕度、日均總云量、日均低云量、日均風速、日日照時間、日降水量、日平均風速；所述主要污染物濃度因子歷史數據為當前城市過去五年每日的日均細顆粒物(PM2.5)濃度、日均可吸入顆粒物(PM10) 濃度、日均二氧化硫(SO2) 濃度、日均二氧化氮(NO2) 濃度、日均臭氧(O3) 濃度、日均一氧化碳(CO) 濃度；所述當日數據包括氣象因子當日數據和主要污染物濃度因子當日數據，所述氣象因子當日數據包括當前城市當日的日均氣壓、日均氣溫、日均相對濕度、日均總云量、日均低云量、日均風速、日日照時間、日降水量、日平均風速；所述主要污染物濃度因子當日數據為當前城市當日的日均細顆粒物(PM2.5)濃度、日均可吸入顆粒物(PM10) 濃度、日均二氧化硫(SO2) 濃度、日均二氧化氮(NO2) 濃度、日均臭氧(O3) 濃度、日均一氧化碳(CO) 濃度；

將所述當前城市的歷史數據作為預測網絡模型的樣本輸入，訓練預測網絡模型；

將預測因子集當日數據輸入所述預測模型網絡，預測主要污染物濃度；所述主要污染物濃度包括細顆粒物(PM2.5)濃度、可吸入顆粒物(PM10) 濃度、二氧化硫(SO2) 濃度、二氧化氮(NO2) 濃度、臭氧(O3) 濃度、一氧化碳(CO) 濃度；

根據預測的主要污染物濃度計算所述空氣質量預測數據。