[發明專利]基于多模式空氣質量模型用于臭氧與顆粒物預測預警的方法在審
| 申請號： | 202210378084.7 | 申請日： | 2022-04-12 |
| 公開（公告）號： | CN114898820A | 公開（公告）日： | 2022-08-12 |
| 發明（設計）人： | 黃紅娟;許鵬;趙嬋娟;惠鼎曄;狄鰲;沈喬楠;魏雪瑩;余輝;施建喆;楊思遠 | 申請（專利權）人： | 江蘇藍創智能科技股份有限公司 |
| 主分類號： | G16C20/30 | 分類號： | G16C20/30;G06Q10/04;G06N3/04;G06Q50/26 |
| 代理公司： | 無錫松禾知識產權代理事務所(普通合伙) 32316 | 代理人： | 朱亮淞 |
| 地址： | 214000 江蘇*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 模式 空氣質量 模型 用于 臭氧 顆粒 預測 預警 方法 | ||
1.基于多模式空氣質量模型用于臭氧與顆粒物預測預警的方法，其特征在于：該方法包括如下步驟：
步驟一：獲取目標區域的長期歷史相關數據，相關數據包括氣象預測數據、衛星遙感數據、污染源排放清單和空氣質量監測數據；
步驟二：將獲取的歷史相關數據分別代入到CMAQ和CAMx兩個第三代空氣質量模型、顆粒物臭氧神經網絡預測模型以及衛星遙感氣溶膠反演模型中，獲取模型預測值；
步驟三：采用神經網絡的模型架構，在長期歷史相關數據的基礎上，對模型預測值和實際監測值進行循環訓練，從而建立多模式空氣質量模型；
步驟四：將目標區域的最新相關數據輸入到多模式空氣質量模型中，根據多模式空氣質量模型的輸出結果對目標區域的臭氧和顆粒物進行預測預警。
2.根據權利要求1所述的基于多模式空氣質量模型用于臭氧與顆粒物預測預警的方法，其特征在于：在步驟二中，將數據代入CMAQ和CAMx兩個第三代空氣質量模型的具體實施步驟如下：
(a1)制定模型模擬的地理區域，確定網格參數，通過WRF氣象研究和預報模型生成氣象預測預報數據，通過排放源清單算法獲得每小時排放清單數據；
(a2)輸入氣象預測預報數據以及排放清單數據，通過CMAQ、CAMx兩個空氣質量模型，分別模擬出重點區域每個網格每個時段SO2、NO2、CO、臭氧、PM2.5、溫度、濕度、風速、風向和降雨量；
(a3)通過非線性最小二乘擬合算法，根據擬合函數，對預測結果進行優化擬合；非線性最小二乘公式為：
f(x)≈pn(x)＝a0+a1(x-x0)+a2(x-x0)2+...+an(x-x0)n；
式中f為擬合值，p為預測值；
并用最小二乘法計算誤差，誤差函數為：
經過機器學習，以獲取合適的f(x)的最終表達式；再使用擬合公式f(x)，分別輸出CMAQ，CAMX兩個模型的預測擬合值。
3.根據權利要求2所述的基于多模式空氣質量模型用于臭氧與顆粒物預測預警的方法，其特征在于：在步驟二中，將數據代入顆粒物臭氧神經網絡預測模型的具體實施步驟如下：
(b1)從平臺數據庫導出特定地區所有空氣質量自動監測站逐小時歷史數據；
(b2)根據時間先后，生成訓練數據列表和驗證數據列表；
(b3)使用循環神經網絡對訓練數據進行訓練，將若干天作為一個周期，輸出結果為一個周期內若干天的臭氧和顆粒物逐小時濃度：
(b4)訓練結束后，保存此循環神經網絡模型；每天凌晨0點后，模型會根據前一天的24小時監測數據，預測未來一個周期內若干天的顆粒物和臭氧逐小時濃度；
(b5)進入一個周期后，對神經網絡進行再次訓練，以獲得更好的模型預測精度。
4.根據權利要求3所述的基于多模式空氣質量模型用于臭氧與顆粒物預測預警的方法，其特征在于：在步驟(b1)中，對于數據缺失、數值異常等不適于進行模型訓練的歷史數據，進行數據清洗以及歸一化處理；歸一化方程為：
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于江蘇藍創智能科技股份有限公司，未經江蘇藍創智能科技股份有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202210378084.7/1.html，轉載請聲明來源鉆瓜專利網。
