[发明专利]空气污染物浓度预报方法及系统有效
| 申请号： | 201610875403.X | 申请日： | 2016-09-30 |
| 公开（公告）号： | CN106485353B | 公开（公告）日： | 2019-11-29 |
| 发明（设计）人： | 李祥;彭玲;肖莎;胡媛;李高盛 | 申请（专利权）人： | 中国科学院遥感与数字地球研究所 |
| 主分类号： | G06F16/33 | 分类号： | G06F16/33;G06Q10/04;G06Q50/26 |
| 代理公司： | 11453 北京名华博信知识产权代理有限公司 | 代理人： | 李冬梅;苗源<国际申请>=<国际公布>= |
| 地址： | 100101 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种空气污染物浓度预报方法，包括：确定出多个待定模型，设置每个待定模型的输出层的节点个数为m；从所述历史浓度数据中提取出训练数据集和验证数据集；对各待定模型进行训练直至待定模型收敛；将最小的综合误差对应的待定模型确定为预报模型；将所述预报数据集输入至所述预报模型，将所述预报模型的输出结果作为预报时延为r的预报结果。该空气污染物浓度预报方法基于STDL模型进行空气污染物浓度的预报，可以提取空气污染物浓度数据中隐含的时空相关性，并同步得到多监测站点的预报数据，预报精度高；也可以改善在极端空气污染物浓度预报上的精度。 | ||
| 搜索关键词： | 空气 污染物 浓度 预报 方法 系统 | ||
【主权项】：
1.一种空气污染物浓度预报方法，其特征在于，包括：/n采用时空深度学习STDL模型构建待定模型，所述待定模型包括依次连接的输入层、栈式自编码器和输出层，将输入层的节点个数的多个待选值、栈式自编码器的层数的多个待选值、栈式自编码器的每层的节点个数的多个待选值进行组合确定出多个待定模型，设置每个待定模型的输出层的节点个数为m；其中，输入层的节点个数是输出层的节点个数m的n倍，n为时间步参数；/n根据时间步参数n的多个待选值和指定的预报时延r，获取来自m个监测站点的空气污染物的多组历史浓度数据，从所述历史浓度数据中提取出训练数据集和验证数据集；/n使用所述训练数据集对各待定模型进行训练直至待定模型收敛，记录训练完成的各待定模型相应的模型权重矩阵和模型偏置向量；/n将所述验证数据集中用于输入的数据输入至训练完成的各待定模型，计算各待定模型的输出结果与所述验证数据集中用于验证的数据的综合误差，将最小的综合误差对应的待定模型确定为预报模型，其中，所述预报模型的时间步参数的值为n；/n将来自m个监测站点、时间步参数为n的空气污染物浓度的观测数据组成预报数据集，将所述预报数据集输入至所述预报模型，将所述预报模型的输出结果作为预报时延为r的预报结果。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院遥感与数字地球研究所，未经中国科学院遥感与数字地球研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610875403.X/，转载请声明来源钻瓜专利网。
