[發明專利]一種PM2.5濃度預測方法及系統

在審

• 申請號: 202310071237.8
• 申請日: 2023-02-07
• 公開（公告）號: CN116050270A
• 公開（公告）日: 2023-05-02
• 發明（設計）人: 吳曉璇;朱俊
• 申請（專利權）人: 合肥學院
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/25;G06T17/20;G06N3/0442;G06F119/08;G06F111/08
• 代理公司: 北京睿智保誠專利代理事務所(普通合伙) 11732
• 代理人: 馬歡歡

1.一種PM2.5濃度預測方法，其特征在于，包括如下具體步驟：

獲取目標地方的空氣質量監測數據和氣象監測數據，并對空氣質量監測數據和氣象監測數據進行相應的預處理；

將預處理后的所有數據放入到最大信息系數模型中進行計算，得到最大信息系數；

將PM2.5濃度時間序列放入到完全自適應噪聲集合經驗模態分解模型中進行分解；

根據所述最大信息系數設定相應閾值來挑選相應的特征；

將分解后的各本征模函數以及殘差和挑選出來的特征放入到門控循環神經網絡進行訓練預測；

將各預測的本征模函數以及殘差進行相加得到最終的預測結果。

2.根據權利要求1所述的一種PM2.5濃度預測方法，其特征在于，數據預處理具體步驟包括：

對采集到的空氣質量監測數據和氣象監測數據中的缺失值進行填充；

計算氣溫、體感溫度、氣壓、相對濕度、降雨量、WSPD風速、AQI、PM10、NO₂、SO₂、O₃、CO與PM2.5濃度序列的相關性，選擇與PM2.5相關性大的因素作為輸入最大信息系數模型的特征。

3.根據權利要求1所述一種PM2.5濃度預測方法，其特征在于，進行最大信息系數計算具體步驟包括：

給定兩個變量x和y，MI定義為：

其中p(x,y)是變量x和y之間的聯合概率；

給定i、j，對XY構成的散點圖進行i列j行網格化，并求出最大的互信息值；對最大的互信息值進行歸一化；

選擇不同尺度下互信息的最大值作為MIC值，下式給出了MIC的計算：

其中a、b分別為x、y方向劃分的格子數，本質上為網格分布，B是一個變量，B的大小為數據量的0.6次方。

4.根據權利要求1所述一種PM2.5濃度預測方法，其特征在于，進行PM2.5濃度時間序列分解具體步驟包括：

將高斯白噪聲加入到待分解信號y(t)得到新信號y(t)+(-1)^qεv^j(t)，對新信號進行EMD分解，得到第一階本征模態分量C₁：

E(y(t)+(-1)^qεv^j(t))＝C₁^j(t)+r^j；

對產生的N個模態分量進行總體平均就得到CEEMDAN分解的第一個本征模態分量：

計算去除第一個模態分量后的殘差：

在r₁(t)中加入正負成對高斯白噪聲得到新信號，以新信號為載體進行EMD分解，得到第一階模態分量D₁，由此得到CEEMDAN分解的第二個本征模態分量：

計算去除第二個模態分量后的殘差：

重復上述步驟，直到獲得的殘差信號為單調函數，不能繼續分解，算法結束，此時得到的本征模態分量數量為K，則原始信號y(t)被分解為：

其中E_i(·)為經過EMD分解后得到的第i個本征模態分量，CEEMDAN分解得到的第i個本征模態分量為v^j為滿足標準正態分布的第j次高斯白噪聲信號，j＝1,2,3……N為加入白噪聲的次數，ε為高斯噪聲權值系數，y(t)為待分解信號。

5.根據權利要求1所述一種PM2.5濃度預測方法，其特征在于，門控循環神經網絡進行預測具體步驟包括：

門控循環神經網絡的單元結構只包含兩個“門”：更新門和重置門；

門控制單元與sigmoid激活函數連接，門控制單元用于丟棄或者添加信息到細胞狀態，sigmoid層輸出單元用于輸出0到1之間的數據，描述每個部分通過量及是否通過，其中0表示不讓所有量通過，1表示讓所有量通過。