[發(fā)明專利]基于圖卷積網(wǎng)絡的環(huán)境數(shù)據(jù)的格點處理方法

在審

• 申請?zhí)枺?/td>: 202210325115.2
• 申請日: 2022-03-30
• 公開（公告）號: CN114647819A
• 公開（公告）日: 2022-06-21
• 發(fā)明（設計）人: 張曉霞;周鵬程;胡峰
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06F17/16
• 分類號: G06F17/16;G06F17/18;G06N3/04;G06N3/08
• 代理公司: 重慶輝騰律師事務所 50215
• 代理人: 王詩思

本發(fā)明涉及數(shù)據(jù)處理領域，涉及一種基于圖卷積網(wǎng)絡的環(huán)境數(shù)據(jù)的格點處理方法；所述方法包括獲取目標區(qū)域內(nèi)的空氣質(zhì)量監(jiān)測數(shù)據(jù)和氣象監(jiān)測數(shù)據(jù)；對所有監(jiān)測數(shù)據(jù)進行缺失處理，并將站點的監(jiān)測數(shù)據(jù)映射到目標區(qū)域所劃分的格點矩陣內(nèi)；使用風向數(shù)據(jù)和風速數(shù)據(jù)生成動態(tài)風場圖，并使用迪杰斯特拉算法計算出風場鄰接矩陣；根據(jù)空氣質(zhì)量濃度數(shù)據(jù)構建出每個時刻的掩碼矩陣，根據(jù)風場鄰接矩陣、掩碼矩陣和氣象監(jiān)測數(shù)據(jù)構建出每個時刻的特征向量集合Z；根據(jù)掩碼矩陣和空氣質(zhì)量濃度數(shù)據(jù)生成每個時刻的目標矩陣Y；將特征向量集合Z矩陣輸入到訓練完成的圖卷積神經(jīng)網(wǎng)絡模型，得到目標矩陣的估計矩陣P。本發(fā)明能提高環(huán)境數(shù)據(jù)格點化的精度。

技術領域

本發(fā)明涉及數(shù)據(jù)處理領域，特別涉及一種基于圖卷積網(wǎng)絡的環(huán)境數(shù)據(jù)的格點處理方法。

背景技術

近年來，環(huán)境污染問題引起人們重視，自動環(huán)境監(jiān)測站點密度也隨之大大提高，并且在大力發(fā)展智能網(wǎng)格預報技術背景下和人類生產(chǎn)活動對于基于位置的空氣質(zhì)量服務要求下，將監(jiān)測站點空間分辨率不規(guī)則、分布離散的監(jiān)測數(shù)據(jù)生成規(guī)則的格點資料具有重要的社會服務和業(yè)務應用價值。

常用的將站點數(shù)據(jù)進行格點處理的方法有客觀分析、遙感反演、資料同化、統(tǒng)計插值、克里插值、張量補全等方法，但是現(xiàn)有的技術都是對單一的環(huán)境數(shù)據(jù)進行處理，沒有考慮其他因素對目標數(shù)據(jù)的影響，導致格點化效果不理想。

發(fā)明內(nèi)容

針對上述技術中存在的不足之處，本發(fā)明提供一種基于圖卷積網(wǎng)絡的環(huán)境數(shù)據(jù)的格點處理方法，本發(fā)明將氣象監(jiān)測數(shù)據(jù)用于環(huán)境數(shù)據(jù)的網(wǎng)格化，利用神經(jīng)網(wǎng)絡強大的擬合能力，擬合氣象數(shù)據(jù)對于空氣質(zhì)量數(shù)據(jù)的影響和格點化過程中的空氣質(zhì)量數(shù)據(jù)的變化規(guī)律，從而提高環(huán)境數(shù)據(jù)格點化的精度。

本發(fā)明的一種基于圖卷積網(wǎng)絡的環(huán)境數(shù)據(jù)的格點處理方法包括如下步驟：

S1：獲取目標區(qū)域內(nèi)N個空氣質(zhì)量監(jiān)測站點的空氣質(zhì)量監(jiān)測數(shù)據(jù)和M個氣象監(jiān)測站點的氣象監(jiān)測數(shù)據(jù)；所述空氣質(zhì)量監(jiān)測數(shù)據(jù)包括空氣質(zhì)量濃度數(shù)據(jù)，所述氣象監(jiān)測數(shù)據(jù)包括濕度、溫度、風向和風速數(shù)據(jù)；

S2：對所有監(jiān)測數(shù)據(jù)的缺失部分進行預處理，并根據(jù)監(jiān)測站點坐標將對應站點的監(jiān)測數(shù)據(jù)映射到目標區(qū)域按尺度所劃分的格點矩陣內(nèi)；

S3：使用格點矩陣內(nèi)的氣象監(jiān)測數(shù)據(jù)中的風向數(shù)據(jù)和風速數(shù)據(jù)生成動態(tài)風場圖，并使用迪杰斯特拉算法計算出風場鄰接矩陣；

S4：根據(jù)格點矩陣內(nèi)的空氣質(zhì)量濃度數(shù)據(jù)構建出每個時刻的掩碼矩陣，根據(jù)風場鄰接矩陣、掩碼矩陣和氣象監(jiān)測數(shù)據(jù)構建出每個時刻的特征向量集合Z；

S5：根據(jù)所述掩碼矩陣和所述空氣質(zhì)量濃度數(shù)據(jù)生成每個時刻的目標矩陣Y；

S6：將所述特征向量集合Z矩陣輸入到訓練完成的圖卷積神經(jīng)網(wǎng)絡模型，得到目標矩陣的估計矩陣P。

本發(fā)明提供的一種基于圖卷積網(wǎng)絡的環(huán)境數(shù)據(jù)的格點處理方法，具有如下有益效果：

1、本發(fā)明將風速數(shù)據(jù)和風向數(shù)據(jù)轉(zhuǎn)化為動態(tài)風場矩陣，再根據(jù)動態(tài)風場矩陣求出風場鄰接矩陣，最后把鄰接矩陣輸入到模型中，利用神經(jīng)網(wǎng)絡模型能夠?qū)W習到風場對空氣質(zhì)量的影響映射關系，從而提高空氣質(zhì)量數(shù)據(jù)格點化精度；

2、本發(fā)明將基于譜的GCN層加入到圖卷積神經(jīng)網(wǎng)絡模型中，在訓練過程中，能夠?qū)τ绊懢W(wǎng)格化精度的不利因素進行過濾，使格點處理的效果更佳精確；

3、本發(fā)明利用隨機置零后的掩碼矩陣對目標矩陣進行隨機初始化，增加了模型的魯棒性，模型對空氣質(zhì)量的格點化效果更加穩(wěn)定；

4、本發(fā)明在將環(huán)境質(zhì)量數(shù)據(jù)格點化時，用當前時間結點前F個結點給當前節(jié)點提供信息，使格點化效果分布更合理；

5、本發(fā)明還充分考慮了溫度、濕度對空氣質(zhì)量的影響，格點化效果更加精確。

附圖說明