[发明专利]一种深度学习的空气质量监测方法以及装置、设备

权利要求书

1.一种深度学习的空气质量监测方法，其特征在于，包括：

输入空气污染物时序数据到降噪自编码模型；

所述降噪自编码模型在训练前，对原始空气质量数据进行归一化处理；

输入空气污染物时序数据到降噪自编码模型的输入层，采用双向LSTM网络；

所述降噪自编码模型在训练时，使用均方根误差和平均绝对误差作为预测精度的评估标准；

合并根据所述降噪自编码模型提取的空气质量特征；

合并根据所述降噪自编码模型提取的空气质量特征的中间层，采用全连接层；

生成空气质量的预测输出结果；

生成空气质量的预测输出结果的输出层，采用双向LSTM网络；

其中，所述空气质量特征包括：历史空气质量数据和辅助输入时间数据。

2.一种深度学习的空气质量监测装置，其特征在于，包括：

输入层模块，用于输入空气污染物时序数据到降噪自编码模型；

中间层模块，用于合并根据所述降噪自编码模型提取的空气质量特征；

输出层模块，用于生成空气质量的预测输出结果；

其中，

作为降噪自编码模型的输入层，采用双向LSTM网络；

合并根据所述降噪自编码模型提取的空气质量特征的中间层，采用全连接层；

生成空气质量的预测输出结果的输出层，采用双向LSTM网络。

3.根据权利要求2所述的深度学习的空气质量监测装置，其特征在于，还包括：归一化模块，用于对原始空气质量数据进行归一化处理。

4.根据权利要求2所述的深度学习的空气质量监测装置，其特征在于，还包括：预测精度的评估模块，用于使用均方根误差和平均绝对误差作为预测精度的评估标准。

5.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1所述的深度学习的空气质量监测方法的步骤。