[发明专利]空气质量预测方法、装置、设备及存储介质

权利要求书

1.一种空气质量预测方法，其特征在于，包括：

获取原始空气质量数据，对所述原始空气质量数据进行预处理，得到训练样本；

采用所述训练样本对预设的BP神经网络进行多次训练，得到多个训练结果，所述训练结果用于表示所述BP神经网络对所述空气质量的预测结果，所述预设的BP神经网络设置有单层隐含层；

选取所述多次训练中训练结果最优的训练中所述单层隐含层中的权重和阈值，构建空气质量预测模型，将待预测数据输入所述空气质量预测模型进行预测，得到空气质量预测结果。

2.根据权利要求1所述的空气质量预测方法，其特征在于，所述对所述原始空气质量数据进行预处理，得到训练样本，包括：

所述原始空气质量数据包括单位体积内污染物的含量，所述污染物包括SO2、NO2、PM10、PM2.5、CO和O3；所述原始空气质量数据还包括气压、风速、温度、相对湿度、绝对湿度

对所述原始空气质量数据进行如下处理，去除唯一属性、处理缺失值以及数据标准化。

3.根据权利要求2所述的空气质量预测方法，其特征在于，所述处理缺失值包括：

在所述原始空气质量主句中识别K个样本；

采用所述K各样本估算缺失数据点的值；

针对每个样本对应的确实数据点的值，采用所述每个严格邻域的平均值进行插补。

4.根据权利要求1所述的空气质量预测方法，其特征在于，所述方法还包括：

设定所述BP神经网络的输入节点个数为10，输出节点个数为1；

采用公式确定所述隐含层的节点个数，其中，n是隐含层的神经元节点数，m是输入层的神经元节点数，p是输出层的神经元节点数，a是一个整数，取值范围为[1,10]。

5.根据权利要求1所述的空气质量预测方法，其特征在于，所述方采用所述训练样本对预设的BP神经网络进行多次训练，得到多个训练结果，包括：

将所述训练样本多次输入至所述BP神经网络，得到多个训练结果；

根据所述训练结果，采用遗传算法对所述BP神经网络的权重和阈值进行更新，直至训练误差在预设的期望误差阈值内。

6.根据权利要求5所述的空气质量预测方法，其特征在于，所述方法还包括：

对所述BP神经网络的初始权重和阈值进行编码操作，并利用随机法对种群进行初始化，所述种群中的个体为每个空气质量原始数据；

计算每个所述个体的适应值，并以此对个体进行选择、交叉以及变异操作；

确定所述多次训练的结果，将最优结果对应的所述BP神经网络作为空气质量预测模型，将待预测数据输入所述空气质量预测模型进行预测，得到空气质量预测结果。

7.一种空气质量预测装置，其特征在于，所述空气质量预测装置包括：

样本数据获取模块，用于获取原始空气质量数据，对所述原始空气质量数据进行预处理，得到训练样本；

模型训练模块，用于采用所述训练样本对预设的BP神经网络进行多次训练，得到多个训练结果，所述训练结果用于表示所述BP神经网络对所述空气质量的预测结果，所述预设的BP神经网络设置有单层隐含层；

预测模块，用于选取所述多次训练中训练结果最优的训练中所述单层隐含层中的权重和阈值，构建空气质量预测模型，将待预测数据输入所述空气质量预测模型进行预测，得到空气质量预测结果。

8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1～6中任一项所述的空气质量预测方法。

9.一种计算机可读存储介质，其特征在于，所述存储介质存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1～6中任一项所述的空气质量预测方法。