[发明专利]一种基于PredRNN的全国生态环境信息可视化的预测方法及系统

说明书

本发明公开了一种基于PredRNN的全国生态环境信息可视化的预测方法及系统，该方法在可视化系统上的预测功能上嵌入PredRNN的深度学习模型，利用卷积层将空间上组不变性的归纳偏差引入到时空预测中，具有对历史观察序列更强的建模能力和更高的计算效率。通过网络爬虫技术获取实时生态环境数据，将数据经过处理后进入PredRNN预测模型中进行预测，在通过静态资源调用可视化工具，构建主页面，基于云服务端响应服务并请求，得到数据并可视化展示。最终得到的可视化数据可以用于广大用户查询。

技术领域

本发明涉及生态环境预测领域，涉及一种基于PredRNN的全国生态环境信息可视化的预测方法及系统。

背景技术

全国生态环境信息在我国生态文明建设中扮演重要角色，与我国广大人民群众的日常生活息息相关，成为衡量我国生态文明建设成效的关键因素。生态环境中的NO₂、SO₂、O₃、CO、PM2.5、PM10等环境参数，以及各种环境参数分析综合后的空气质量指数(AQI)。通过构建行之有效的生态环境信息检测平台于国于民都具有非凡的意义。就像我国的天气预报一样，人们对未来空气环境质量有了更多期待，通过预知未来几小时，甚至几天以后的空气环境质量以便满足人们的日常生活。

基于数理统计的机器学习模型方法以领域内专业模型为基础，通过对各项污染物的参数进行训练，从而预测某一区域的未来的空气质量情况。该方法对于数据的完整性、连续性要求非常高，且空气质量信息是时间及空间相关的序列，其不仅在序列内部存在时间关系，序列间还存在一定的依赖关系，传统方法需要进行复杂的特征工程，空气质量的预测精度较差。在机器学习上发展起来的深度神经网络，基于所述的神经网络的方法应对多种非线性复杂任务都有较好的效果，但应用于空气预测依然有其局限性，不能很好的满足时空预测。

因此，如何提出一种在时空预测表现良好，且可以有效缓解在层与层之间梯度消失的问题成为目前急需解决的问题。

发明内容

本发明的目的是提供一种基于PredRNN的全国生态环境信息可视化的预测方法及系统，以解决上述现有技术存在的问题。

本发明的第一方面提出了一种基于PredRNN的全国生态环境信息可视化的预测方法。

本发明的第二方面还提出了一种基于PredRNN的全国生态环境信息可视化的系统。

一种基于PredRNN的全国生态环境信息可视化的预测方法及系统，包括以下步骤：

步骤1、通过网络爬虫技术对全国187个城市的生态环境信息进行实时收集；基于所述生态环境信息进行区域网格划分，将所述的城市信息点分配到相应的网格单元中，并对应时刻数据。

步骤2、对步骤1的数据进行预处理，并对每个城市的生态环境信息进行归一化操作；

步骤3、将步骤2的处理过的时空数据基于PredRNN时空预测模型对所述的时空数据进行迭代计算获得生态环境信息的预测模型；

步骤4、将构建的PredRNN时空预测模型嵌入在用户可视化系统上，通过用户对城市信息的查询，根据步骤3得到的权重数据进行未来几小时的生态环境信息预测并可视化展示给用户；

本发明步骤1中，所述的一种基于PredRNN的全国生态环境信息可视化的预测方法及系统，其特征在于：步骤1中，所述的通过网络爬虫每2小时进行的收集数据，通过对各省气象局官网采集数据的获取，将数据存储至云端数据库中；其中数据包括AQI、NO₂、SO₂、O₃、CO、PM2.5、PM10、站点名称、气温、气压、湿度；