[发明专利]基于高斯回归的大气污染物浓度的预测方法及装置

权利要求书

1.一种基于高斯回归的大气污染物浓度的预测方法，其特征在于，包括：

获取距当前时刻第一预设历史时间段内的第一环境数据；其中，所述环境数据包括多种污染物浓度数据和气象数据；

根据预设时间窗口从所述第一环境数据中获取多个训练样本，其中，所述训练样本包括第一时间段对应的环境数据和第二时间段对应的多种污染物浓度数据，且所述第一时间段中的最早时刻早于所述第二时间段中的最早时刻；

利用所述多个训练样本对高斯过程回归模型进行训练，获得预测模型；

获取距当前时刻第二预设历史时间段内的第二环境数据，利用所述预测模型对所述第二环境数据进行分析，获得所述预测模型输出的未来预设时间段内污染物浓度数据。

2.根据权利要求1所述的方法，其特征在于，所述利用所述多个训练样本对高斯过程回归模型进行训练，获得预测模型，包括：

构建高斯核函数，所述高斯核函数中的参数为初始值；

利用所述多个训练样本对所述高斯核函数中的参数进行优化，获得所述预测模型。

3.根据权利要求2所述的方法，其特征在于，所述利用所述多个训练样本对所述高斯核函数中的参数进行优化，获得所述预测模型，包括：

利用多个训练样本对所述高斯核函数中的参数进行如下迭代步骤的学习，直至获得的预测数据与第二时间段对应的多种污染物浓度数据的距离小于预设值为止；其中，所述迭代步骤包括：

将训练样本中第一时间段对应的第一环境数据代入所述高斯核函数，获得所述第一时间段对应的第一环境数据对应的第一协方差矩阵；

根据所述第一协方差矩阵进行采样，获得预测数据；

根据所述预测数据和所述训练样本中第二时间段对应的多种污染物浓度数据对所述高斯核函数中的参数进行优化。

4.根据权利要求2所述的方法，其特征在于，所述高斯核函数为：

k＝RBF×periodic×C；

其中，σ₁、l₁、σ₂、l₂、p、σ_b、σ₃和c均为所述高斯核函数的参数；t_a和t_b为任意两个指数；k为指数a和b上两个训练样本中的第一环境数据x_a和x_b的协方差。

5.根据权利要求1所述的方法，其特征在于，所述利用所述预测模型对所述第二环境数据进行分析，获得所述预测模型输出的未来预设时间段内污染物浓度数据，包括：

获取所述预测模型对应的高斯核函数，并根据所述多个训练样本以及所述高斯核函数确定所述多个训练样本对应的第二协方差矩阵；

根据所述第二协方差矩阵，利用贝叶斯公式计算获得所述第二环境数据对应的均值和协方差；

根据所述均值和所述协方差矩阵获得所述第二环境数据对应的未来预设时间段内污染物浓度数据。

6.根据权利要求5所述的方法，其特征在于，所述根据所述第二协方差矩阵，利用贝叶斯公式计算获得所述第二环境数据对应的均值和协方差，包括：

根据计算获得所述第二环境数据对应的均值；

根据计算获得所述第二环境数据对应的协方差；

其中，训练样本对应的第二协方差矩阵为X₁为所述训练样本；μ₁和μ₂为所述训练样本的均值。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述多种污染物浓度数据包括PM2.5、PM10、二氧化硫、一氧化碳、二氧化氮和臭氧中的多项，所述气象数据包括：空气质量指数、天气、风速、风向和温度和相对湿度中的至少一项。