[發明專利]一種基于生成對抗網絡的空氣質量預測優化方法

在審

• 申請號: 202210103413.7
• 申請日: 2022-01-27
• 公開（公告）號: CN114565136A
• 公開（公告）日: 2022-05-31
• 發明（設計）人: 許志偉;王嘉泰;劉廣文;王永生
• 申請（專利權）人: 內蒙古工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/26;G06F30/27;G06N3/04;G06N3/08
• 代理公司: 西安智大知識產權代理事務所 61215
• 代理人: 段俊濤

一種基于生成對抗網絡的空氣質量預測優化方法，收集數據若干空氣質量監測點的實測數據和一次預報數據；利用空氣質量監測點A的實測數據，訓練生成對抗網絡A，對其它空氣質量監測點的實測數據，分別利用生成對抗網絡A的判別器繼續訓練，得到多個生成器，通過得到的生成器預測和修正對應空氣質量監測點的一次預報數據，并作為二次預報模型的輸入；根據各空氣質量監測點的生成器，對每一個空氣質量監測點生成器的預測結果進行集成，建立一個協同時空的二次預報模型，并通過該模型得到污染物的濃度值單日預報，并計算相應AQI和首要污染物。本發明可降低預測結果誤差，提高預報的準確性。

技術領域

本發明屬于人工智能技術領域，特別涉及一種基于生成對抗網絡的空氣質量預測優化方法。

背景技術

包括一氧化碳(CO)，臭氧(O₃)，細顆粒物(PM2.5)等在內的有害物質以超出正常標準范圍的濃度存在于大氣中，對生態系統和環境有著嚴重損害。

目前常用WRF-CMAQ模擬體系(以下簡稱WRF-CMAQ模型)對空氣質量進行預報。WRF-CMAQ模型主要包括WRF和CMAQ兩部分：WRF是一種中尺度數值天氣預報系統，用于為CMAQ提供所需的氣象場數據；CMAQ是一種三維歐拉大氣化學與傳輸模擬系統，其根據來自WRF的氣象信息及場域內的污染排放清單，基于物理和化學反應原理模擬污染物等的變化過程，繼而得到具體時間點或時間段的預報結果。

但受制于模擬的氣象場以及排放清單的不確定性，以及對包括臭氧在內的污染物生成機理的不完全明晰，WRF-CMAQ模型的預報結果并不理想。其中，由于實際氣象條件對空氣質量影響很大(例如濕度降低有利于臭氧的生成)，臭氧污染形成過程受到多種一次污染物因素及光照強度等氣象因素影響，使得WRF-CMAQ的預報結果存在較大偏差。

發明內容

為了克服上述現有技術的缺點，解決WRF-CMAQ模型的不魯棒性，本發明的目的在于提供一種基于生成對抗網絡的空氣質量預測優化方法，利用空氣質量監測點實際監測得到的數據(簡稱為“實測數據”)，對WRF-CMAQ模型運行產生的不準確數據(簡稱為“一次預報數據”)進行修正，最終能夠結合時序性和區域相關性二次建模，達到更好的預測效果，該方法可以在現有的數據基礎上進一步提高效率，同時改善實際氣象條件對空氣的影響，進一步提高污染物濃度預報準確性。

為了實現上述目的，本發明采用的技術方案是：

一種基于生成對抗網絡的空氣質量預測優化方法，包括如下步驟：

步驟1，收集數據，所述數據包括地理位置相鄰的若干空氣質量監測點在一段時間內的實測數據和一次預報數據；

步驟2，利用空氣質量監測點A的實測數據，訓練生成對抗網絡A，訓練完畢后，生成對抗網絡A的生成器能夠預測數據；

步驟3，對其它空氣質量監測點的實測數據，分別利用生成對抗網絡A的判別器繼續訓練，得到多個生成器，生成器的數量與空氣質量監測點的數量一致，通過得到的生成器預測和修正對應空氣質量監測點的一次預報數據，并作為二次預報模型的輸入；

步驟4，根據各空氣質量監測點的生成器，對每一個空氣質量監測點生成器的預測結果進行集成，建立一個協同時空的二次預報模型，并通過該模型得到污染物的濃度值單日預報，并計算相應AQI和首要污染物。

在實施例中，所述步驟1，實測數據為空氣質量監測點實際監測得到的數據；一次預報數據為空氣質量監測點原有模型運行產生的預測數據。所述實測數據和一次預報數據中含有缺失值，因此可引入掩碼矩陣表示每一條時間序列中的缺失值為0，非缺失值為1，從而有效利用數據中的非缺失數據。

在實施例中，所述空氣質量監測點原有模型為WRF-CMAQ模型。