[發明專利]一種基于神經網絡的PM2.5逐小時預測方法

有效

• 申請號: 202110902384.6
• 申請日: 2021-08-06
• 公開（公告）號: CN113344149B
• 公開（公告）日: 2021-11-19
• 發明（設計）人: 劉東;陳斯婕;仝博文;吳凌云;劉崇
• 申請（專利權）人: 浙江大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G01N33/00
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 胡紅娟

本發明公開了一種基于神經網絡的PM2.5逐小時預測方法，方法包括獲取氣溶膠光學厚度AOD數據、ECMWF氣象數據、地基數據及輔助數據，數據初步處理，第一訓練樣本構建，訓練AOD填補模型，預測并補全氣溶膠光學厚度AOD數據，第二訓練樣本構建，訓練學習模型得到PM2.5預測模型，預測PM2.5濃度八個步驟。本發明基于深度神經網絡補全氣溶膠光學厚度AOD數據實現了樣本的擴充，并將大氣邊界層高度BLH修正為大氣霧霾層高度HLH用于PM2.5的預測，覆蓋面廣，解決地基監測PM2.5覆蓋面不足的問題，實現了PM2.5濃度的高精度逐小時預測。

技術領域

本發明涉及大氣環境遙感監測領域，尤其涉及一種基于神經網絡的PM2.5逐小時預測方法。

背景技術

PM2.5指環境空氣中空氣動力學當量直徑≤2.5 μm的顆粒物，它在大氣中的停留時間長、輸送距離遠，嚴重影響人體健康和大氣環境質量，監測PM2.5濃度對公眾健康至關重要?；谛l星的氣溶膠產品由于覆蓋范圍廣，經常被用來預測地面PM2.5濃度。最近基于衛星氣溶膠光學厚度衍生出的產品，例如多角度實施大氣校正氣溶膠光學厚度產品，不僅提高了空間分辨率，整體性能也有所提升。但是，由于氣溶膠垂直分布信息的缺乏，以及主要由于云量造成的AOD缺失，對PM2.5高精度、全覆蓋的估算仍然受阻。

通過地基手段獲得PM2.5質量濃度受到環境、地理等因素的限制，因此人們開發了各種技術來預測PM2.5以彌補現場監測的不足，利用衛星遙感技術估算地面PM2.5質量濃度，覆蓋面廣，對環境污染監測和治理具有重要意義。此外，激光雷達廓線表明，在大氣邊界層日循環過程中，上方可能存在大量氣溶膠作為殘余層存在，換句話說，氣溶膠并不總是局限在大氣邊界層中，也不總是在整個大氣邊界層中均勻混合，所以以大氣邊界層高度BLH來預測PM2.5濃度不夠精確。PM2.5質量濃度與很多因素有關，比如溫度、濕度、臭氧、風速等等，在預測PM2.5濃度時需要將這些因素都考慮在內。

公開號為CN105678085A的中國專利文獻中公開了一種PM2.5濃度的估算方法及系統，該PM2.5濃度的估算方法包括：根據衛星遙感數據獲取氣溶膠光學厚度AOD；根據氣象預報數據獲取大氣邊界層高度BLH和近地面相對濕度RH；獲取地面站點采集的PM2.5數據；根據地面站點的地理位置信息，對相同時間點的PM2.5數據、AOD、大氣邊界層高度BLH以及RH進行空間匹配；根據空間匹配后的PM2.5數據、AOD、大氣邊界層高度BLH以及RH建立地理加權回歸模型，并根據地理加權回歸模型估算PM2.5濃度。該發明方法中以大氣邊界層高度BLH為PM2.5的預測參數，并且依據地理加權回歸模型估算PM2.5濃度。

公開號為CN110287455A的中國專利文獻中公開了一種結合遙感數據與社會感知數據的PM2.5深度學習反演方法，包括：對地面站點PM2.5數據、遙感數據、社會感知數據及輔助數據進行預處理；使用地學空間統計及分析方法、遙感信息處理手段對多源數據進行特征變量提取與計算；采用格網化方式對多源數據進行時空匹配，有地面站點真值的格網將作為訓練樣本，生成時空統一的多源數據集；將有站點PM2.5真值的格網數據集歸一化后輸入到深度學習模型中進行訓練，驗證通過后通過該模型對未知格網PM2.5濃度進行反演；對反演結果進行精細PM2.5時空分布制圖。該發明方法中仍以大氣邊界層高度為PM2.5的預測參數，且在數據預處理階段未對AOD缺失數據進行填補。

發明內容

為了解決地基監測PM2.5覆蓋面不足的問題，本發明提供了一種基于神經網絡的PM2.5逐小時預測方法，該預測方法通過星地遙感數據結合，并對氣溶膠光學厚度AOD缺失數據進行填補，且采用大氣霧霾層高度HLH作為PM2.5預測參數，能夠實現PM2.5濃度的高精度預測。

具體采用的技術方案如下：

一種基于神經網絡的PM2.5逐小時預測方法，包括以下步驟：