[发明专利]一种空气中PM2.5

权利要求书

1.一种空气中PM_2.5的检测方法，其特征在于，包括：

收集检测时间段内设定维度的原大气数据；

对所述原大气数据进行预处理，以得到符合设定格式要求的第一大气数据；

将所述第一大气数据输入至支持向量回归SVR检测模型，得到非时间序列的PM_2.5检测结果；

在所述第一大气数据中增加时间序列数据，获得第二大气数据，所述时间序列数据为获得所述原大气数据的实时时间数据；

将所述第二大气数据输入至长短期记忆LSTM检测模型，得到时间序列的PM_2.5检测结果；

对所述非时间序列的PM_2.5检测结果以及所述时间序列的PM_2.5检测结果进行非线性叠加，获得检测时间段内空气中PM_2.5的检测结果。

2.根据权利要求1所述的方法，其特征在于，所述设定维度的原大气数据包括：城市PM₁₀指数、SO₂浓度、NO₂浓度、大气气压、环境湿度以及风速。

3.根据权利要求1所述的方法，其特征在于，对所述原大气数据进行预处理，以得到符合设定格式要求的第一大气数据，包括：

基于聚类算法KNN-Kmeans对原大气数据中的缺失值进行填充；

对填充后的原大气数据进行归一化处理，得到符合设定格式要求的第一大气数据。

4.根据权利要求3所述的方法，其特征在于，所述基于聚类算法KNN-Kmeans对原大气数据中的缺失值进行填充，包括：

选定时间间隔；

若所述选定时间间隔内一半以上的原大气数据均为同一数值，则利用所述数值对所述选定时间间隔内的缺失值进行填充，否则利用所述选定时间间隔内原大气数据的平均值对所述选定时间间隔内的缺失值进行填充。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述支持向量回归SVR检测模型的支持向量核函数为Morlet小波核函数；

支持向量核函数的未知参数基于改进粒子群算法进行最优值搜索获得，所述改进粒子群算法中粒子移动的惯性系数采用非线性自适应算法获得。

6.根据权利要求5所述的方法，其特征在于，所述Morlet小波核函数为：

其中，x表示自变量，x_i与x′_i分别表示第i维度时两个自变量的值，m表示自变量的维度，a_i表示伸缩因子。

7.根据权利要求6所述的方法，其特征在于，所述支持向量核函数的未知参数包括伸缩因子和惩罚因子；

所述惯性系数基于下述非线性公式获得：

其中，W(k)为惯性系数，W_max表示实验预先设定的最大惯性系数，W_min表示实验预先设定的最小惯性系数，I_max表示最大的迭代次数，k表示已迭代次数，v_i(k-1)表示k-1迭代次数时的粒子速度。