[发明专利]一种大气环境数据的预测方法、系统、装置及存储介质

说明书

本发明公开了一种大气环境数据的预测方法、系统及装置及存储介质。该方法包括以下步骤：获取目标污染物的误差时间序列及影响因素；将所述误差时间序列和所述影响因素输入至误差修正模型中，得到所述目标污染物浓度的误差预测结果；利用所述误差预测结果和所述目标污染物浓度的估算值计算所述目标污染物浓度的真实值。本发明通过误差修正模型来获取输入的误差时间序列和影响因素对于目标污染物浓度的误差预测结果的影响，从而使得误差预测结果更加准确、贴近实际情况，再利用误差预测结果以及目标污染物浓度的估算值，从而获得目标污染物浓度的真实值，最终达到修复缺失数据的目的。本发明可广泛应用于大气环境监测技术领域。

技术领域

本发明涉及大气环境监测技术领域，尤其是一种大气环境数据的预测方法、系统、装置及存储介质。

背景技术

空气污染在日常生活中受到广泛的关注，特别是如PM2.5这样粒径小、面积大、活性强、易附带重金属、微生物等有害物质，PM2.5在大气中难被消除、传播距离远的污染物，更是被重点关注的对象。

而如今随着公众健康意识的增强，许多城市都建立了空气质量监测站来检测区域空气质量，大气环境质量在线监测数据是区域大气质量的直观反映，大气环境质量在线监测数据常出现偏离正常和缺失的情况，这就对区域大气质量分析带来严重的影响，因此，当前形势下，面对种类繁多的空气污染源、污染物及日益增加的环境监测数据，为了实现对这些大数据的充分利用，需要对大气污染数据进行清洗与修复，从而提高后续大气质量监测研究的准确性。

目前，国内外许多技术都对大气环境质量数据的清洗与修复方法进行了研究，但大多使用的仍为比较传统的数据修复方法，如使用简单的线性插值、反向距离加权插值、土地使用回归模型和克里金方法对缺失的污染物浓度数据进行插值计算。这些传统的数据修复方法曾在该类工作中有着突出的表现，但传统的大气环境数据修复方法的工作通常是在历史数据和人的经验的长期积累的基础上进行的，不能很好地预测出多变的空气污染情况，而且，传统的大气环境数据修复方法并未考虑到在时间、空间维度上的因素对污染物浓度的影响。

发明内容

为至少一定程度上解决现有技术中存在的技术问题之一，本发明的目的在于：提供一种大气环境数据的预测方法、系统、装置及存储介质。

本发明一方面所采取的技术方案是：

一种大气环境数据的预测方法，包括以下步骤：

获取目标污染物的误差时间序列及影响因素；

将所述误差时间序列和所述影响因素输入至误差修正模型中，得到所述目标污染物浓度的误差预测结果；

利用所述误差预测结果和所述目标污染物浓度的估算值计算所述目标污染物浓度的真实值。

进一步，一种大气环境数据的预测方法还包括建立误差修正模型的训练步骤，所述建立误差修正模型的训练步骤包括以下步骤：

获取误差时间序列以及影响因素；

将所述误差时间序列以及所述影响因素输入至所述误差修正模型产生预测值；

利用预测值与真实值计算损失函数；

利用损失函数对所述误差修正模型的权值进行校正。

进一步，所述建立误差修正模型的训练步骤，还包括以下步骤：

采用L2正则化纠正损失函数过拟合。

进一步，所述误差修正模型包括隐藏层，所述建立误差修正模型的训练步骤，还包括以下步骤：

利用网格搜索方法确定隐藏层参数。

进一步，所述获取误差时间序列这一步骤，包括以下步骤：

获取参考站点的参考污染物浓度数据；