[发明专利]挥发性有机物观测数据中缺省值的修复方法及装置

权利要求书

1.一种挥发性有机物观测数据中缺省值的修复方法，其特征在于，包括：

利用挥发性有机物历史观测数据分别对自编码神经网络和循环门控神经网络进行训练；

判断单一时次挥发性有机物观测数据的缺省值所属的类型；

若所述缺省值属于零星缺省类型，则依次通过均值修复法和训练好的自编码神经网络对所述缺省值进行修复；

若所述缺省值属于系统性缺省类型，则利用训练好的循环门控神经网络对所述缺省值进行修复；

所述利用挥发性有机物历史观测数据分别对自编码神经网络和循环门控神经网络进行训练，包括：

获取一段时间的挥发性有机物历史观测数据；

通过百分位阈值法，确定挥发性有机物历史观测数据中各组分浓度数据的异常阈值和正常数据；其中，异常阈值包括异常高值阈值和异常低值阈值；

利用所述正常数据构建训练数据集，通过所述训练数据集分别对自编码神经网络和循环门控神经网络进行训练；

所述判断单一时次挥发性有机物观测数据的缺省值所属的类型，包括：

若所述单一时次挥发性有机物观测数据中，存在缺省值的组分种类数量小于等于组分种类总数量的预设占比阈值，则确定所述缺省值属于零星缺省类型；

否则，确定所述缺省值属于系统性缺省类型；

所述依次通过均值修复法和训练好的自编码神经网络对所述缺省值进行修复，包括：

利用均值修复法获得所述缺省值的初始填补值；

利用训练好的自编码神经网络对所述初始填补值进行优化处理得到优化填补值；

利用所述优化填补值填补所述缺省值；

所述利用均值修复法获得所述缺省值的初始填补值，包括：

从所述单一时次挥发性有机物观测数据中查找出所述缺省值所属日期之前若干天中与所述缺省值时次相同的观测数据；

计算所有所述与所述缺省值时次相同的观测数据的平均值，利用所述平均值作为所述缺省值的初始填补值；

所述利用训练好的循环门控神经网络对所述缺省值进行修复，包括：

判断所述缺省值是否位于连续时次缺省值序列中；

若否，则将所述缺省值前若干个时次的观测数据输入到训练好的循环门控神经网络中进行处理，得到所述缺省值的修复值；

若是，则利用训练好的循环门控神经网络对所述连续时次缺省值序列中的各缺省值按照时次顺序进行修复；

所述利用训练好的循环门控神经网络对所述连续时次缺省值序列中的各缺省值按照时次顺序进行修复，包括：

针对所述连续时次缺省值序列中时次顺序上的第一个缺省值，将所述第一个缺省值前若干个时次的观测数据输入到所述训练好的循环门控神经网络中，输出所述第一个缺省值的修复值；

利用所述第一个缺省值的修复值填补所述第一个缺省值；

采用修复所述第一个缺省值的方法，按照时次顺序对所述连续时次缺省值序列中剩余的缺省值进行修复，直至所述剩余的缺省值均修复完成为止。