CN110796284A 细颗粒物污染等级的预测方法、装置及计算机设备 （平安科技（深圳）有限公司）

本申请公开了一种细颗粒物污染等级的预可以基于实时环境数据对细颗粒物污染等级进预设历史时间段内所述细颗粒物的浓度值创建所述细颗粒物空间分布图训练卷积神经网络模2基于所述目标分析数据及所述细颗粒物空间分布利用训练好的所述卷积神经网络模型判定未来预设时间段内所述细颗粒物的污染等从所述特征画像中筛选出与所述细颗粒物相关性大于或等于第一预设阈值的第一环将所述饱和度大于或等于第二预设阈值的所述第一环境指基于非监督学习的聚类算法填充所述第二环境指标将所述目标分析数据中的各类环境指标数据及所述细颗粒物空间分布图输入初始卷获取各个所述环境指标依据所述判定规则确定出将级别最大的所述第一细颗粒物污染等级确定为预估若确定所述污染等级的匹配正确率大于或等于第三预设阈值，若确定所述污染等级的匹配正确率小于所述第三3将对应所述类别概率最大的污染等级确定为根据所述环境指标判定出的第一细颗粒将级别最大的所述第二细颗粒物污染等级确定为未来预设时间段内细颗粒物的污染创建模块，用于根据预设历史时间段内所述细判定模块，用于利用训练好的所述卷积神经4有研究团队能基于真实大数据，并根据现实地理条件针对性地进行PM2.5进行污染侦[0009]利用训练好的所述卷积神经网络模型判定未来预设时间段内所述细颗粒物的污5[0019]图1示出了本申请实施例提供的一种细颗粒物污染等级的预测方法的流程示意[0020]图2示出了本申请实施例提供的另一种细颗粒物污染等级的预测方法的流程示意[0021]图3示出了本申请实施例提供的一种细颗粒物污染等级的预测装置的结构示意[0022]图4示出了本申请实施例提供的另一种细颗粒物污染等级的预测装置的结构示意[0026]其中，预设标准为待筛选的环境指标数据需要与细颗粒物的相关性大于预设阈6希望预测的是每一个区域的未来一天(一周)的细颗粒物浓度，因此在考虑时序信息的同[0034]104、利用训练好的卷积神经网络模型判定未来预设时间段内细颗粒物的污染等7[0039]在具体的应该用场景中，为了全面提取出统会选择一些比较重要的、出度(网页中链出超链接数)较大的网站的URL作为种子URL集[0041]202、从特征画像中筛选出与细颗粒物相关性大于或等于第一预设阈值的第一环别计算与PM2.5之间的相关性，将相关性大于或等于第一预设阈值的环境指8[0046]在计算出各个环境指标与PM2.5之间判定对应的相关强度，具体可通过设定不同的强度阈值来将相关性强度划分为不同的区体可通过非监督学习-聚类的方法进行异常值的检测以及剔除，将各类异常值进行标记或9中筛选出落在预设搜索范围内的目标数据点；确定目标数据点对应空间变化的数学函数；[0078]208、将目标分析数据中的各类环境指标数据及细颗粒物空间分布图输入初始卷染等级判定时，可依据不同环境指标对应的判定规则确定出彼此独立的细颗粒物污染等[0086]Softmax的输入是从全连接层获取到的特征向量，假设用于模型训练的细颗粒物出的第一细颗粒物污染等级为一级污染、依据环境指标b确定出的第一细颗粒物污染等级确定出的第一细颗粒物污染等级为一级污染，依据环境指标e确定出的第一细颗粒物污染输出的细颗粒物污染等级确定为未来预设时间段内细[0100]217、将级别最大的第二细颗粒物污染等级确定为未来预设时间段内细颗粒物的确定出的第一细颗粒物污染等级为一级污染、依据环境指标b确定出的第一细颗粒物污染标d确定出的第一细颗粒物污染等级为四级污染，由于确定级别最大的第一细颗粒物污染间分布图，并将这个带有地区特征的高维空间分布图同样充当另一块训练模型的数据块，用于辅助搭建神经网络网络。之后利用以上两部分数据信息合并训练卷积神经网络模型，与各个污染等级的特征向量；依据特征向量确定各个环境指标对应污染等级的判定规则；执行计算机程序以实现上述如图1和图2所示的细颗粒[0122]可选地，该计算机设备还可以包括用户接口、网络接口、摄像头、射频(RadioFrequency，RF)电路，传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏件和/或程序的运行。网络通信模块用于实现非易失性可读存储介质内部各组件之间的通