[发明专利]预测颗粒物浓度的方法、装置、存储介质及电子设备

权利要求书

1.一种预测颗粒物浓度的方法，其特征在于，所述方法包括：

获取目标区域内当前时刻的气溶胶光学厚度AOD遥感影像图；

从所述AOD遥感影像图获取目标气溶胶光学厚度，其中，所述目标气溶胶光学厚度为所述目标区域内的目标待测位置在所述AOD遥感影像图中对应像元的气溶胶光学厚度；

获取所述目标待测位置处目标环境影响因子的目标数据，所述目标环境影响因子包括污染源排放类影响因子，气象类影响因子，以及地理类影响因子，其中，所述污染源排放类影响因子包括：工业企业数量，废气污染物排放空间分布，公路网空间分布状况以及人口密度空间分布状况中的至少一种，所述地理类影响因子包括：地形坡度和/或地表覆盖类型；

将所述目标气溶胶光学厚度和所述目标数据作为预先训练的颗粒物浓度预测模型的输入，得到所述目标待测位置处的颗粒物浓度；

所述颗粒物浓度预测模型包括多个颗粒物浓度预测子模型，不同的颗粒物浓度预测子模型对应不同的环境特征，所述将所述目标气溶胶光学厚度和所述目标数据作为预先训练的颗粒物浓度预测模型的输入，得到所述目标待测位置处的颗粒物浓度包括：

确定所述目标气溶胶光学厚度和所述目标数据对应的环境特征；

从多个所述颗粒物浓度预测子模型中，确定与所述环境特征对应的目标颗粒物浓度预测子模型；

将所述目标气溶胶光学厚度和所述目标数据作为所述目标颗粒物浓度预测子模型的输入，得到所述目标待测位置处的颗粒物浓度。

2.根据权利要求1所述的方法，其特征在于，所述颗粒物浓度预测模型是通过以下方式训练得到的：

获取所述目标区域内历史时刻上的样本位置处的颗粒物样本浓度；

获取历史时刻上所述目标区域内的AOD样本遥感影像图，并获取所述样本位置在所述AOD样本遥感影像图中对应像元的样本气溶胶光学厚度；

获取所述颗粒物样本浓度对应的所述目标环境影响因子的样本数据；

将所述颗粒物样本浓度、所述样本气溶胶光学厚度以及样本数据作为一组模型训练数据；

获取多组所述模型训练数据，以形成模型训练数据集；

通过Cubist模型对所述模型训练数据集进行机器学习，以得到所述颗粒物浓度预测模型。

3.根据权利要求2所述的方法，其特征在于，所述目标环境影响因子通过以下方式确定：

获取所述颗粒物样本浓度对应的多个预设环境影响因子的待确定数据；

将所述颗粒物样本浓度和所述待确定数据作为预设地理探测器模型的输入，得到每个预设环境影响因子的权重值；

将权重值大于或等于预设权重阈值的预设环境影响因子，作为所述目标环境影响因子。

4.一种预测颗粒物浓度的装置，其特征在于，所述装置包括：

第一获取模块，用于获取目标区域内当前时刻的气溶胶光学厚度AOD遥感影像图；

第二获取模块，用于从所述AOD遥感影像图获取目标气溶胶光学厚度，其中，所述目标气溶胶光学厚度为所述目标区域内的目标待测位置在所述AOD遥感影像图中对应像元的气溶胶光学厚度；

第三获取模块，用于获取所述目标待测位置处目标环境影响因子的目标数据，所述目标环境影响因子包括污染源排放类影响因子，气象类影响因子，以及地理类影响因子，其中，所述污染源排放类影响因子包括：工业企业数量，废气污染物排放空间分布，公路网空间分布状况以及人口密度空间分布状况中的至少一种，所述地理类影响因子包括：地形坡度和/或地表覆盖类型；

确定模块，用于将所述目标气溶胶光学厚度和所述目标数据作为预先训练的颗粒物浓度预测模型的输入，得到所述目标待测位置处的颗粒物浓度；

所述颗粒物浓度预测模型包括多个颗粒物浓度预测子模型，不同的颗粒物浓度预测子模型对应不同的环境特征，所述确定模块包括：

第一确定子模块，用于确定所述目标气溶胶光学厚度和所述目标数据对应的环境特征；

第二确定子模块，用于从多个所述颗粒物浓度预测子模型中，确定与所述环境特征对应的目标颗粒物浓度预测子模型；

第三确定子模块，用于将所述目标气溶胶光学厚度和所述目标数据作为所述目标颗粒物浓度预测子模型的输入，得到所述目标待测位置处的颗粒物浓度。