[發(fā)明專(zhuān)利]基于因果中心性的霧霾分析識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110251379.3
• 申請(qǐng)日: 2021-03-08
• 公開(kāi)（公告）號(hào): CN112966442B
• 公開(kāi)（公告）日: 2023-05-23
• 發(fā)明（設(shè)計(jì)）人: 王博丞
• 申請(qǐng)（專(zhuān)利權(quán)）人: 浙江傳媒學(xué)院
• 主分類(lèi)號(hào): G06F30/27
• 分類(lèi)號(hào): G06F30/27;G06F16/2458;G06F18/2411;G06F111/10
• 代理公司: 杭州裕陽(yáng)聯(lián)合專(zhuān)利代理有限公司 33289
• 代理人: 司曉蕾

1.一種基于因果中心性的霧霾分析識(shí)別方法，其特征在于，包含以下步驟：

獲取若干檢測(cè)站點(diǎn)檢測(cè)到的監(jiān)測(cè)數(shù)據(jù)，所述監(jiān)測(cè)數(shù)據(jù)包含多個(gè)監(jiān)測(cè)因素和霧霾濃度的數(shù)據(jù)；

針對(duì)不同的所述監(jiān)測(cè)因素分別構(gòu)建區(qū)域內(nèi)部數(shù)據(jù)關(guān)聯(lián)模型；

針對(duì)不同的所述監(jiān)測(cè)因素分別構(gòu)建區(qū)域間數(shù)據(jù)關(guān)聯(lián)模型；

根據(jù)構(gòu)建的所述區(qū)域內(nèi)部數(shù)據(jù)關(guān)聯(lián)模型和所述區(qū)域間數(shù)據(jù)關(guān)聯(lián)模型計(jì)算每個(gè)所述監(jiān)測(cè)因素和所述霧霾濃度之間的因果關(guān)系值；

根據(jù)計(jì)算出的每個(gè)檢測(cè)站點(diǎn)檢測(cè)到的各監(jiān)測(cè)因素與所述霧霾濃度之間的因果關(guān)系值構(gòu)成因果矩陣；

根據(jù)所述因果矩陣計(jì)算因果中心性特征值用于表征各個(gè)檢測(cè)站點(diǎn)的拓?fù)渲行男裕?/p>

將所述監(jiān)測(cè)因素間的所述因果關(guān)系值和所述因果中心性特征值輸入搭建好的預(yù)測(cè)模型對(duì)其進(jìn)行訓(xùn)練得到一個(gè)訓(xùn)練完成的所述預(yù)測(cè)模型；

構(gòu)建的所述區(qū)域內(nèi)部數(shù)據(jù)關(guān)聯(lián)模型和所述區(qū)域間數(shù)據(jù)關(guān)聯(lián)模型符合下述公式：

其中，w是每種監(jiān)測(cè)因素的系數(shù)，F(xiàn)對(duì)應(yīng)了某一種監(jiān)測(cè)因素，m是時(shí)間序列的滯后長(zhǎng)度，N是時(shí)間序列的觀測(cè)長(zhǎng)度，n是監(jiān)測(cè)因素的個(gè)數(shù)，t是時(shí)間，η_t是噪聲項(xiàng)；

在所述根據(jù)構(gòu)建的所述區(qū)域內(nèi)部數(shù)據(jù)關(guān)聯(lián)模型和所述區(qū)域間數(shù)據(jù)關(guān)聯(lián)模型計(jì)算每個(gè)所述監(jiān)測(cè)因素和所述霧霾濃度之間的因果關(guān)系值中，根據(jù)下述公式計(jì)算每個(gè)所述監(jiān)測(cè)因素和霧霾濃度之間的因果關(guān)系值：

其中，NC為因果關(guān)系值，w是每種監(jiān)測(cè)因素的系數(shù)，F(xiàn)對(duì)應(yīng)了某一種監(jiān)測(cè)因素，m是時(shí)間序列的滯后長(zhǎng)度，N是時(shí)間序列的觀測(cè)長(zhǎng)度，n是檢測(cè)因素的個(gè)數(shù)；

在所述根據(jù)所述因果矩陣計(jì)算因果中心性特征值用于表征各個(gè)監(jiān)測(cè)站的拓?fù)渲行男灾校鶕?jù)下述公式計(jì)算因果中心值：

其中，Center表示因果中心值，l表示站點(diǎn)之間的拓?fù)涮卣髀窂介L(zhǎng)度，k是某一站點(diǎn)的拓?fù)渲行亩龋琲和j分別代表了兩個(gè)不同的站點(diǎn)標(biāo)記，L是所有相互連通的站點(diǎn)集合。

2.根據(jù)權(quán)利要求1所述的基于因果中心性的霧霾分析識(shí)別方法，其特征在于，

所述預(yù)測(cè)模型采用支持向量機(jī)算法。

3.根據(jù)權(quán)利要求2所述的基于因果中心性的霧霾分析識(shí)別方法，其特征在于，

所述預(yù)測(cè)模型的參數(shù)優(yōu)化算法為梯度下降。

4.根據(jù)權(quán)利要求1所述的基于因果中心性的霧霾分析識(shí)別方法，其特征在于，

所述監(jiān)測(cè)因素包含氣象因素。

5.根據(jù)權(quán)利要求4所述的基于因果中心性的霧霾分析識(shí)別方法，其特征在于，

所述氣象因素包含氣溫、壓強(qiáng)、日照強(qiáng)度、相對(duì)濕度、地表溫度、降雨、蒸發(fā)量和平均風(fēng)速。

6.根據(jù)權(quán)利要求1所述的基于因果中心性的霧霾分析識(shí)別方法，其特征在于，

所述監(jiān)測(cè)因素包含工業(yè)污染物因素。

7.根據(jù)權(quán)利要求6所述的基于因果中心性的霧霾分析識(shí)別方法，其特征在于，

所述工業(yè)污染物因素包含二氧化硫、二氧化氮、一氧化碳和臭氧。