[发明专利]污染度预测方法、预测系统及计算机可读存储介质

说明书

本发明提出了一种污染度预测方法、污染度预测系统及计算机可读存储介质。其中，污染度预测方法包括：获取预定区域的污染度数据；根据污染度数据生成预定区域的污染度空间二维数组分布图；将污染度空间二维数组分布图输入复合网络模型，生成预定区域的污染度时间序列；根据污染度时间序列对预定区域的污染度进行预测；其中，复合网络模型由卷积神经网络及长短记忆网络组成。本发明综合考虑不同污染度数据的时间点及空间地理位置，以达到最佳的预测效果，既保证对预定区域的污染度进行准确预测，又简化预测过程，准确率极高。

技术领域

本发明涉及环境污染预报领域，具体而言，涉及一种污染度预测方法、一种污染度预测系统及一种计算机可读存储介质。

背景技术

环境污染指自然的或人为的破坏，向环境中添加某种物质，超过环境的自净能力而产生危害的行为，或由于人为的因素，环境受到有害物质的污染，使生物的生长繁殖和人类的正常生活受到有害影响。由于人为因素使环境的构成或状态发生变化，环境素质下降，从而扰乱和破坏了生态系统和人类的正常生产和生活条件。

相关技术中，存在有对空气质量数据进行采集，预测。利用CNN(ConvolutionalNeural Networks卷积神经网络)模型压缩及提取数据重要特征，利用LSTM(Long Stort-Term Memory长短记忆网络)为提取时间序列特征以对一定区域的空气质量进行预测。但上述技术方案仅仅可以实现对相关空气质量数据进行采集、预测，具有一定的局限性，且预测过程较为繁琐，预测结果准确性低。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。

为此，本发明第一方面提出了一种污染度预测方法。

本发明第二方面提出了一种污染度预测系统。

本发明第三方面提出了一种计算机可读存储介质。

本发明第一方面提出了一种污染度预测方法，包括：获取预定区域的污染度数据；根据污染度数据生成预定区域的污染度空间二维数组分布图；将污染度空间二维数组分布图输入复合网络模型，生成预定区域的污染度时间序列；根据污染度时间序列对预定区域的污染度进行预测；其中，复合网络模型由卷积神经网络及长短记忆网络组成。

本发明第一方面提供的污染度预测方法选用卷积神经网络及长短记忆网络组成复合网络模型，通过该复合网络模型实现对预定区域的污染度预测。首先获取预定区域的污染度数据，具体地，获取不同地理位置及不同时间的污染度数据；然后对污染度数据进行整理，生成污染度空间二维数组分布图，具体地，可以将污染度数据拓扑成类似RGB(RedGreen Blue红绿篮)图像数据信息；在生成污染度空间二维数组分布图后，将污染度空间二维数组分布图输入复合网络模型，使得复合网络模型根据污染度空间二维数组分布图生成预定区域的污染度时间序列；在获取到污染度时间序列后，根据污染度时间序列对预定区域的污染度进行预测，以得到预定区域的污染度预测结果。

本发明由CNN及LSTM组成复合网络模型，并将污染度空间二维数组分布图输入到复合网络模型中进行训练，利用CNN对污染度数据空间地理位置做输入，利用LSTM对污染度数据时间点做输入，CNN及LSTM相互配合，综合考虑不同污染度数据的时间点及空间地理位置，以达到最佳的预测效果，既保证对预定区域的污染度进行准确预测，又简化预测过程。

根据本发明上述的污染度预测方法，还可以具有以下附加技术特征：

在上述技术方案中，优选地，将污染度空间二维数组分布图输入复合网络模型，生成预定区域的污染度时间序列的步骤，具体包括：根据时间顺序将污染度空间二维数组分布图输入卷积神经网络，生成污染度多维数组分布图；获取污染度多维数组分布图中的目标维度特征；将目标维度特征输入长短记忆网络，生成预定区域的污染度时间序列。