[发明专利]一种基于卷积-线性回归网络的雾霾浓度预测方法

摘要

本发明公开了一种基于卷积‑线性回归网络的雾霾浓度预测方法，首先将数据分为训练集，交叉验证集，且每部分的数据按时间顺序排列，将训练集的数据按照当时的雾霾平均浓度进行标记；然后对卷积‑线性回归网络进行训练，将有标记的训练集数据进行输入对神经网络进行训练，卷积‑线性回归神经网络的卷积层对数据进行特征提取，卷积层提取数据特征，池化层进行特征筛选，全连接层将图像变为一维向量，分类层根据训练好的参数对其进行分类，最后在线性回归层对数据进行线性拟合，再使用交叉验证集数据监测网络训练的准确度和进度，并对参数进行调整，对输出的线性回归拟合结果进行分析就可以实现对未来雾霾浓度等级的预测。

主权项

一种基于卷积‑线性回归网络的雾霾浓度预测方法，其特征在于，包括以下步骤：(1)、从NASA官网下载所需的modis卫星图像，按照时间顺序对所有的卫星图像进行存储，并将其分为：训练集与交叉验证集；(2)、对卫星图像进行归一化处理在ENVI软件中打开存储的卫星图像，按照如下步骤提取卫星图像中的感兴趣区域；(2.1)、在选中的卫星图像的打开窗口Image Display中，添加矢量边界层[Overlay]‑‑‑>[Vectors]；(2.2)、选择[Basic Tools]中的[Masking]菜单下的[Build Mask]工具并打开，再选择当前打开的卫星图像的窗口Select Input Display，如果当前打开的卫星图像在Display#1中打开，就选择选项中的Display#1即可；(2.3)、点击[OK]后跳出的对话框中的[Options]菜单下选择[Import EVFs]命令，选中矢量边界文件.evf格式，再确定输出结果的方式[File]或[Memory]；(2.4)、点击[Apply]后生成MASK文件，再利用生成的MASK文件使用[Apply Mask]工具进行掩膜操作，从而提取出卫星图像中的感兴趣区域；(3)、按照国家标准的空气污染指数，按照等级对训练集的雾霾浓度进行标记处理；(4)、搭建包含线性回归层的卷积‑线性回归神经网络模型，使用使用带标签的训练集数据训练卷积‑线性回归网络模型，调整模型参数，使得卷积层能够提取卫星图像特征，分类层可以对其进行准确的分类，线性回归层能够对其进行恰当拟合；(5)、利用交叉验证集数据对模型训练的进度进行判，当模型的准确度训练至90％以上时，判定模型可用，能够用于雾霾浓度的预测；(6)、将近期的雾霾数据按照时间顺序排列，再输入进训练好的网络模型中，实现对未来的雾霾浓度等级进行预测。