[发明专利]一种基于深度时空修正模型的城市区域尾气污染预测方法

权利要求书

1.一种基于深度时空修正模型的城市区域尾气污染预测方法，其特征在于，所述方法包括步骤：

步骤一、多源异构数据获取；

步骤二、自编码器特征抽取，通过构建三层自编码器网络结构，实现对所述多源异构数据特征降维抽取；

步骤三、尾气排放修正，将所述步骤二中提取的各数据源的降维特征数据，代入尾气排放修正模型；

步骤四、时空序列数据生成；

步骤五、深度时空网络模型预训练；

步骤六、将真实监测点位的遥测数据替换修正模型数据，重新训练得到修正的区域尾气排放预测模型；确定模型的权重参数，得到深度时空网络模型，输入所述多源异构数据，得到预测的区域尾气污染排放结果。

2.根据权利要求1所述的一种基于深度时空修正模型的城市区域尾气污染预测方法，其特征在于，所述多源异构数据集包括：气象数据、路网数据、交通流数据和POIs数据；

所述气象数据包括天气、温度、湿度、气压和风力，所述气象数据从公开气象网站按每小时进行采集；所述路网数据包括车道数、路段长度和道路等级，所述路网结构数据从数字地图获取；所述交通流数据包括车流量和平均速度，所述交通流数据从数字地图获取；所述POIs数据为区域内兴趣点公共设施特征分类，所述POIs数据从数字地图获取。

3.根据权利要求1所述的一种基于深度时空修正模型的城市区域尾气污染预测方法，其特征在于：所述自编码器网络结构，包括自编码器网络输入层x、结果输出层y和降维特征隐藏层h；

h＝f(w₁×x+b₁)，y＝f(w₂×x+b₂)；

其中，w₁、w₂、b₁、b₂为自编码器网络结构参数。

4.根据权利要求1-3所述的一种基于深度时空修正模型的城市区域尾气污染预测方法，其特征在于：所述尾气排放修正模型为：

E＝β_poi×ln t×e^-w×EF×R_na×R_n×R_len+ΔE(t，w，poi)；

其中，Num_ng为目标区域POIs中非绿化功能区域数量，Num_g为目标区域POIs中绿化功能区数量；t为温度特征，w为风力特征，R_na为路段车流量，R_n为车道数，R_len为路段长度，EF为单一车辆污染排放。

5.根据权利要求1-4所述的一种基于深度时空修正模型的城市区域尾气污染预测方法，其特征在于，所述步骤四具体为：

将目标区域划分为12×12的栅格，根据所述步骤三计算每个栅格的尾气排放量E(k，i)，表示k时刻第i栅格的尾气排放量，其中k＝1，…，T；i＝1，…，144。