[发明专利]一种基于深度排放因子修正的移动源污染预测方法

权利要求书

1.一种基于深度排放因子修正的移动源污染预测方法，其特征在于：包括以下步骤，

步骤一、多源异构数据获取；

步骤二、自编码器特征抽取，通过构建三层自编码器网络结构，实现对所述多源异构数据特征降维抽取；

步骤三、尾气排放修正，将所述步骤二中提取的各数据源的降维特征数据，代入尾气排放修正模型。

2.根据权利要求1所述的基于深度排放因子修正的移动源污染预测方法，其特征在于：所述多源异构数据集包括气象数据、路网数据、交通流数据和POIs数据；

所述气象数据包括天气、温度、湿度、气压和风力，所述气象数据从公开气象网站按每小时进行采集；

所述路网数据包括车道数、路段长度和道路等级，所述路网结构数据从数字地图获取；

所述交通流数据包括车流量和平均速度，所述交通流数据从数字地图获取；所述POIs数据为区域内兴趣点公共设施特征分类，所述POIs数据从数字地图获取。

3.根据权利要求1所述的基于深度排放因子修正的移动源污染预测方法，其特征在于：所述自编码器网络结构，包括自编码器网络输入层x、结果输出层y和降维特征隐藏层h；

h＝f(w₁×x+b₁)，y＝f(w₂×x+b₂)；

其中，w₁、w₂、b₁、b₂为自编码器网络结构参数。

4.根据权利要求1-3任意一项所述的基于深度排放因子修正的移动源污染预测方法，其特征在于：所述尾气排放修正模型为：

E＝β_poi×lnt×e^-w×EF×R_na×R_n×R_len+ΔE(t,w,poi)；

其中，Num_ng为目标区域POIs中非绿化功能区域数量，Num_g为目标区域POIs中绿化功能区数量；t为温度特征，w为风力特征，R_na为路段车流量，R_n为车道数，R_len为路段长度，EF为单一车辆污染排放。