[发明专利]一种基于多尺度深度神经网络的环境预测防控系统

权利要求书

1.一种基于多尺度深度神经网络的环境预测防控系统，其特征在于，所述环境预测防控系统包括：

训练数据集构建模块，用于对环境历史数据进行整理，构建训练数据集；所述训练数据集包括时间尺度数据集、空间尺度数据集以及标签集；

多尺度深度神经网络模型构建模块，用于采用所述训练数据集对深度神经网络进行训练建模，得到多尺度深度神经网络模型，并将所述多尺度深度神经网络模型发送至环境参数预测模块；所述多尺度深度神经网络模型的输入为监测到的环境数据；所述多尺度深度神经网络模型的输出为对应环境函数的预测值矩阵；所述预测值矩阵包括未来不同时间不同目标区域的预测值；

环境数据获取模块，用于获取实时监测到的环境数据；

所述环境参数预测模块，用于将监测到的环境数据输入到所述多尺度深度神经网络模型中，得到预测值矩阵；

防控模型构建模块，用于构建防控模型，并将所述防控模型发送至环境干预值矩阵获取模块；所述防控模型内置环境参数阈值；所述防控模型的输入为所述预测值矩阵，所述防控模型的输出为环境干预值矩阵；所述环境干预值矩阵包括未来不同时间不同目标区域的环境干预值；

所述防控模型构建模块具体包括：

环境参数阈值存储单元，用于存储环境参数阈值；

干预结果获取单元，用于实时监测所述环境干预值介入后的环境参数值；得到干预结果；

预测误差计算单元，用于根据所述环境干预值和所述环境干预值对应的干预结果，计算预测误差；

防控模型构建单元，用于根据所述环境参数阈值和所述预测误差，构建防控模型；所述防控模型的输入包括所述预测值矩阵和上一轮的预测误差，所述防控模型的输出为当前轮的环境干预值矩阵；

所述环境干预值矩阵获取模块，用于将所述预测值矩阵输入到所述防控模型中，并将所述预测值矩阵与所述环境参数阈值比较，输出环境干预值矩阵；

所述训练数据集构建模块，具体包括：

数据规整单元，用于按照不同尺度，对清洗后的数据进行整理，得到时间尺度数据集和空间尺度数据集；所述尺度包括时间尺度和空间尺度；所述时间尺度是基于环境参数的潮汐变化现象而采用的三种不同尺度，分别是时、日、周；所述时间尺度数据集是利用历史数小时、数日同一小时、数周同一日同一小时的数据进行整理得到的；所述空间尺度是基于空间分布相关的原理；所述空间尺度数据集是对任一观测点，利用所述观测点周围四个方向或者八个方向形成十字型历史数据进行建模整理得到的；所述清洗后的数据为对所述环境历史数据进行清洗处理后得到的数据；

标签集构建单元，用于构建标签集；所述标签集包括未来观测时间为1小时标签、2小时标签、3小时标签、4小时标签、5小时标签、6小时标签、12小时标签、24小时标签、48小时标签以及72小时标签。

2.根据权利要求1所述的环境预测防控系统，其特征在于，所述训练数据集构建模块，还包括：

环境历史数据清洗单元，用于对所述环境历史数据进行清洗处理；其中，数据清洗包含缺失数据补齐、重复数据去重、异常数据剔除；所述环境历史数据为具有物理意义的参数波形；所述环境历史数据的种类包括PM2.5，PM10，SO₂，CO₂，温度、湿度、人流密度；

训练数据集构建单元，用于根据所述时间尺度数据集、所述空间尺度数据集以及所述标签集，构建训练数据集；

数据归一化单元，用于将所述训练数据集中不同尺度的数据进行归一化操作；归一化方法包括0均值标准化和线性函数归一化。

3.根据权利要求1所述的环境预测防控系统，其特征在于，所述环境预测防控系统还包括参数分解及设定模块；

所述参数分解及设定模块，用于根据所述环境干预值矩阵获取模块的输出，进行管控参数分解，将所述环境干预值矩阵中不同的环境干预值分解给对应的控制元器件。

4.根据权利要求1所述的环境预测防控系统，其特征在于，所述环境预测防控系统还包括防控算法选择模块；所述防控算法选择模块内存储多种防控算法；

所述防控算法选择模块，用于根据预测值矩阵中不同的预测值，确定对应的防控类型，并根据确定的防控类型，选择相应的防控算法。