[發(fā)明專利]空氣質(zhì)量的預(yù)測(cè)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110213480.X
• 申請(qǐng)日: 2021-02-25
• 公開（公告）號(hào): CN113011637A
• 公開（公告）日: 2021-06-22
• 發(fā)明（設(shè)計(jì)）人: 呂浩
• 申請(qǐng)（專利權(quán)）人: 上海眼控科技股份有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q10/06;G06N3/08;G06N3/02;G06F16/29
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本發(fā)明實(shí)施例公開了一種空氣質(zhì)量的預(yù)測(cè)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。包括：獲取當(dāng)前時(shí)間的全球氣象數(shù)據(jù)以及待預(yù)測(cè)地理位置對(duì)應(yīng)的空氣質(zhì)量預(yù)測(cè)模型；其中，所述空氣質(zhì)量預(yù)測(cè)模型為多通道回歸模型；對(duì)所述全球氣象數(shù)據(jù)進(jìn)行歸一化處理；將歸一化處理后的所述全球氣象數(shù)據(jù)輸入所述空氣質(zhì)量預(yù)測(cè)模型，獲得所述待預(yù)測(cè)地理位置在待預(yù)測(cè)時(shí)間的空氣質(zhì)量指數(shù)；其中，當(dāng)前時(shí)間與待預(yù)測(cè)時(shí)間間隔設(shè)定時(shí)長。本實(shí)施例提供的空氣質(zhì)量的預(yù)測(cè)方法，將歸一化后的全球氣象數(shù)據(jù)輸入待預(yù)測(cè)地理位置對(duì)應(yīng)的空氣質(zhì)量預(yù)測(cè)模型中，獲得與當(dāng)前時(shí)間間隔設(shè)定時(shí)長的待預(yù)測(cè)時(shí)間的空氣質(zhì)量指數(shù)，不僅可以提高空氣質(zhì)量預(yù)測(cè)的準(zhǔn)確性，且可以提高空氣質(zhì)量預(yù)測(cè)的時(shí)間尺度。

技術(shù)領(lǐng)域

本發(fā)明實(shí)施例涉及環(huán)境檢測(cè)技術(shù)領(lǐng)域，尤其涉及一種空氣質(zhì)量的預(yù)測(cè)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

近年來，我國的大氣環(huán)境問題愈加突出，重大污染事件頻發(fā)。隨著國際壓力的增大和公眾對(duì)環(huán)境質(zhì)量要求的不斷提高，如何控制大氣污染、改善空氣質(zhì)量也成為愈來愈緊迫的問題。

傳統(tǒng)上，耦合空氣污染模塊的數(shù)值天氣模式是預(yù)報(bào)未來空氣質(zhì)量的最主要手段之一。數(shù)值天氣預(yù)報(bào)(numerical weather prediction)是指根據(jù)大氣實(shí)際情況，在一定的初值和邊值條件下，通過大型計(jì)算機(jī)作數(shù)值計(jì)算，求解描寫天氣演變過程的流體力學(xué)和熱力學(xué)的方程組，預(yù)測(cè)未來一定時(shí)段的大氣運(yùn)動(dòng)狀態(tài)和天氣現(xiàn)象的方法。該種方式對(duì)3-7內(nèi)空氣質(zhì)量預(yù)報(bào)具有較高的準(zhǔn)確性。然而，在15天左右的時(shí)間尺度上，空氣質(zhì)量模式往往無法有效的進(jìn)行預(yù)報(bào)。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供一種空氣質(zhì)量的預(yù)測(cè)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，不僅可以提高空氣質(zhì)量預(yù)測(cè)的準(zhǔn)確性，且可以提高空氣質(zhì)量預(yù)測(cè)的時(shí)間尺度。

第一方面，本發(fā)明實(shí)施例提供了一種空氣質(zhì)量的預(yù)測(cè)方法，包括：

獲取當(dāng)前時(shí)間的全球氣象數(shù)據(jù)以及待預(yù)測(cè)地理位置對(duì)應(yīng)的空氣質(zhì)量預(yù)測(cè)模型；其中，所述空氣質(zhì)量預(yù)測(cè)模型為多通道回歸模型；

對(duì)所述全球氣象數(shù)據(jù)進(jìn)行歸一化處理；

將歸一化處理后的所述全球氣象數(shù)據(jù)輸入所述空氣質(zhì)量預(yù)測(cè)模型，獲得所述待預(yù)測(cè)地理位置在待預(yù)測(cè)時(shí)間的空氣質(zhì)量指數(shù)；其中，當(dāng)前時(shí)間與待預(yù)測(cè)時(shí)間間隔設(shè)定時(shí)長。

進(jìn)一步地，所述全球氣象數(shù)據(jù)包括各高度層的氣溫、氣壓、相對(duì)濕度、經(jīng)向風(fēng)速、緯向風(fēng)速、垂直風(fēng)速及地表的氣溫、氣壓、相對(duì)濕度、經(jīng)向風(fēng)速、緯向風(fēng)速；對(duì)所述全球數(shù)據(jù)進(jìn)行歸一化處理，包括：

獲取所述當(dāng)前時(shí)間所處時(shí)間段內(nèi)各全球氣象數(shù)據(jù)的最大值和最小值；

根據(jù)所述最大值和最小值對(duì)各全球氣象數(shù)據(jù)進(jìn)行歸一化處理。

進(jìn)一步地，所述空氣質(zhì)量預(yù)測(cè)模型的訓(xùn)練方式為：

采集歷史全球氣象數(shù)據(jù)以及所述待預(yù)測(cè)地理位置中的歷史空氣質(zhì)量指數(shù)；

對(duì)所述歷史全球氣象數(shù)據(jù)進(jìn)行歸一化處理，并將歸一化處理的歷史全球氣象數(shù)據(jù)和所述歷史空氣質(zhì)量指數(shù)構(gòu)建數(shù)據(jù)對(duì)，形成訓(xùn)練樣本；其中，所述數(shù)據(jù)對(duì)中的歷史全球氣象數(shù)據(jù)對(duì)應(yīng)的時(shí)間與歷史空氣質(zhì)量指數(shù)對(duì)應(yīng)的時(shí)間的間隔為所述設(shè)定時(shí)長；

基于所述訓(xùn)練樣本對(duì)預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，獲得所述空氣質(zhì)量預(yù)測(cè)模型。

進(jìn)一步地，基于所述訓(xùn)練樣本對(duì)預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，獲得所述空氣質(zhì)量預(yù)測(cè)模型，包括：

將歸一化后的歷史全球數(shù)據(jù)輸入預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)，輸出預(yù)測(cè)空氣質(zhì)量指數(shù)；

根據(jù)所述預(yù)測(cè)空氣質(zhì)量指數(shù)和所述歷史空氣質(zhì)量指數(shù)確定損失值；

基于所述損失值訓(xùn)練所述預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)中的參數(shù)，直到滿足訓(xùn)練條件，獲得所述空氣質(zhì)量預(yù)測(cè)模型。

進(jìn)一步地，所述預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)包括多通道輸入層、中間層及全連接層。