[发明专利]基于空气质量状况预报的空气污染处理方法及存储介质

权利要求书

1.一种基于空气质量状况预报的空气污染处理方法，其特征在于，包括：

预测未来的空气质量状况；

获取污染排放信息；

根据预测得到的未来的空气质量状况以及获取的污染排放信息，选取相应的污染治理措施；

所述预测未来的空气质量状况，包括：

获取当前气象数据、历史空气质量数据和历史气象数据；

对所述历史空气质量数据进行修复及归一化处理；

构建单因子预测模型和多因子预测模型；

将经过修复及归一化处理之后的历史空气质量数据输入所述单因子预测模型得到第一预测结果，将所述经过修复及归一化处理之后的历史空气质量数据和所述历史气象数据输入所述多因子预测模型得到第二预测结果；

将所述第一预测结果、所述第二预测结果以及所述当前气象数据进行回归计算，得到最终的空气质量状况的数据预测值。

2.根据权利要求1所述的方法，其特征在于，所述对所述历史空气质量数据进行修复，包括：

利用空气质量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；所述历史空气质量数据包括若干单一时次空气质量数据；

判断单一时次空气质量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。

3.根据权利要求2所述的方法，其特征在于，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。

4.根据权利要求3所述的方法，其特征在于，所述利用均值修复法获得所述缺省值的初始填补值，包括：

从所述历史空气质量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单一时次空气质量数据；

计算所有所述与所述缺省值时次相同的单一时次空气质量数据的平均值，利用所述平均值作为所述缺省值的初始填补值。

5.根据权利要求2所述的方法，其特征在于，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空气质量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。

6.根据权利要求2所述的方法，其特征在于，所述利用空气质量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：

通过百分位阈值法，确定所述空气质量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。

7.根据权利要求1所述的方法，其特征在于，所述获取污染排放信息，包括：

获得所监测区域的地理位置信息和实时空气质量信息；

获得空气质量等级区间；

将所述实时空气质量信息和所述空气质量等级区间进行对比，确定空气质量等级；

将所述空气质量等级、所述实时空气质量信息和所述地理位置信息，作为污染排放信息；所述实时空气质量信息包括空气污染成分和空气污染浓度。

8.根据权利要求7所述的方法，其特征在于，所述将所述实时空气质量信息和所述空气质量等级区间进行对比为：将所述空气污染浓度和所述空气质量等级区间进行对比。