[发明专利]一种基于特征增强ConvLSTM的雾霾预测方法

权利要求书

1.一种基于特征增强ConvLSTM的雾霾预测方法，其特征在于：包括如下步骤：

1)数据预处理：从公开途径获取雾霾指标数据，提取日度数据，然后按照温度、气压、相对湿度、露点温度、风力风向、气溶胶光学厚度AOD、气溶胶散射系数、气溶胶吸收系数、PM_2.5分别汇总到9个表中；

2)生成图像数据：根据获得的PM_2.5数值数据生成PM_2.5图像，将其作为ConvLSTM模型的标签，然后将汇总的8因素日度数据生成8通道图像，再将生成的图像数据分为训练样本集和测试样本集；

3)ConvLSTM特征融合：对步骤2)中得到的训练样本集进行归一化处理，使用堆叠三层ConvLSTM模型训练，提取每一层特征，保留训练好的参数，进行参数微调；

输入测试样本集，基于训练好的堆叠三层ConvLSTM模型进行测试，分别将每一层的输出特征保存下来；

将所得的各层特征两两融合，即第一层与第二层特征融合得到预测图Z_i1，第二层与第三层特征融合得到预测图Z_i2，第一层与第三层特征融合得到预测图Z_i3，对所得的预测图Z_i1、Z_i2、Z_i3求平均值得到下一时刻的最终PM_2.5预测结果图Z_i，其中i＝1，2，…，n；

4)CNN特征提取：对步骤3)所得最终PM_2.5预测结果图Z_i通过CNN模型提取图像特征；

5)多元LSTM时间序列预测：对步骤4)中提取的特征与当前PM_2.5值结合作为LSTM神经网络的输入，下一时刻PM_2.5的值作为标签，构造多元LSTM时间序列预测，得到预测结果值。