[发明专利]一种基于人工智能的空气质量溯源预报方法

权利要求书

1.一种基于人工智能的空气质量溯源预报方法，其特征在于，所述方法包括：

将归一化后的污染物数据和天气数据及生成的时间标记进行拼接，拼接后提取输入特征得到空气质量预测神经网络的输入数据；

所述空气质量预测神经网络包括LSTM单元组及两层全连接网络，所述空气质量预测神经网络对所述LSTM单元组的输出数据一维化后输入所述两层全连接网络，对所述两层全连接网络输出的数据重塑后输出空气质量预测结果，其中所述两层全连接网络输出的数据为长为1008的一维数组；

将构建的污染物二维地图和构建的气象特征二维地图进行叠加，作为训练数据来训练空气质量网格化神经网络；

所述空气质量网格化神经网络对所述空气质量预测结果数据处理后输出区域空气质量网格化预测结果；

将所述区域空气质量网格化预测结果直接输入空气质量溯源神经网络中的静态预测模块，对所述区域空气质量网格化预测结果进行向量化处理后与区域空气质量网格化预测结果一起输入所述空气质量溯源神经网络中的动态流向模块；

所述空气质量溯源神经网络输出污染物排放源的分布结果。

2.根据权利要求1所述的基于人工智能的空气质量溯源预报方法，其特征在于，所述时间标记的生成方式为：

获取年月日时间标记，获取小时时间标记；

对所述年月日时间标记和所述小时时间标记分别缩放至[0,2π]，并对缩放结果进行正弦及余弦计算，得到正弦年月日时间标记、余弦年月日时间标记、正弦小时时间标记、余弦小时时间标记。

3.根据权利要求1所述的基于人工智能的空气质量溯源预报方法，其特征在于，包括：

所述LSTM单元组的输出具体为，最后一个时序的LSTM输出结果；

对所述二维数据重塑为一维数据输入所述两层全连接网络，再对所述两层全连接网络的输出数据重塑为X*Y的形式；

其中，X为站点数，Y为时序。

4.根据权利要求1所述的基于人工智能的空气质量溯源预报方法，其特征在于，所述污染物二维地图和所述气象特征二维地图的构建，包括：

构建空白城市网格二维地图，根据大气污染国控质量监测站的地理位置在所述空白城市网格二维地图中对应的网格上填充相应污染数据得到污染物二维地图，污染物种类与污染物二维地图的数量相等；

在空白城市网格二维地图上填充气象数据，得到气象特征二维地图，气象数据的种类与所述气象特征二维地图的数量相等。

5.根据权利要求4所述的基于人工智能的空气质量溯源预报方法，其特征在于，所述空气质量网格化神经网络的获取，包括：

将所述污染物二维地图和所述气象特征二维地图进行叠加得到三维数据，经训练模型训练后输出，生成包含整个城市的空气质量网格化神经网络。

6.根据权利要求1所述的基于人工智能的空气质量溯源预报方法，其特征在于，所述空气质量网格化神经网络对所述空气质量预测结果经恒等映射后输出，得到所述区域空气质量网格化预测结果；

所述空气质量网格化神经网络具体为，由ResNet-50组成的残差网络。

7.根据权利要求1所述的基于人工智能的空气质量溯源预报方法，其特征在于，所述静态预测模块由两个编码网络和一个解码网络组成，所述两个编码网络分别提取空气质量特征和气象数据特征后发送至所述解码网络，所述解码网络输出大气污染物排放地图。

8.根据权利要求1所述的基于人工智能的空气质量溯源预报方法，其特征在于，所述对所述区域空气质量网格化预测结果进行向量化处理，包括：

对所述区域空气质量网格化预测结果中每一网格(8+1)×N向量化，N为区域网格数量；

将网格产生的(8+1)×N个向量与此网格中的向量一起输入所述动态流向模块。