CN116186566B 基于深度学习的扩散预测方法及系统 （北京建工环境修复股份有限公司）

本发明公开了一种基于深度学习的扩散预息筛选目标污染物，根据目标区域的GIS地理数时间的污染分布结合目标污染物的扩散趋势获2通过目标污染物监测点采集目标污染物浓度信息，基根据目标区域的污染扩散格局获取污染区域的目标污染通过扩散预测模型对连续时间段内目标污染物浓度及根据所述污染源信息筛选目标污染物，根据目标区域的GIS地理数据确定目标污染物根据目标区域的区域范围获取范围内的污染源信息，根根据预设环境监测任务在标志性污染物中进行筛选获将目标污染物的现有监测数据进行数据预处理，通过根据数据分析获取不同位置环境监测井的数据关联，判断所述数据根据所述GIS地理数据获取目标区域内的地形及水文数据，在现有环境监测井的基础染物监测点采集目标污染物浓度信息，基于所述目标污染物浓度信息对各监测点进行聚根据目标污染物监测点的位置信息将目标区域进行格网根据聚类样本集中格网位置信息及目标污染物浓度信息获取格网样本之间的相似度通过所述聚类样本集的聚类中心获取聚类结果，根据根据所述目标区域的污染分布及扩散方向生成目标区域内目标污染物3根据目标污染物的历史监测数据结合目标污染物的扩散格局获取污染区域目标污染基于深度学习构建扩散预测模型，将预处理后的目标污通过图注意力网络对目标区域目标污染物监测点形成的图结构将图注意力网络输出的特征序列输入DASeq2Seq模型进行特征编码，利用当前时间戳的特征输入和上一时间戳的隐藏状态获取当前时间戳的隐藏状态，并在DASeq2Seq模型中通过图注意力网络的消息传递机制及邻居聚合机制对节点根据目标区域内污染扩散格局获取目标污染物当前的污通过所述扩散预测模型进行时空关联特征提取，根据根据所述目标污染物预测浓度进行聚类分析，生成新的根据聚类偏差确定对应格网并进行标记，将标记的4通过目标污染物监测点采集目标污染物浓度信息，基根据目标区域的污染扩散格局获取污染区域的目标污染通过扩散预测模型对连续时间段内目标污染物浓度及根据所述污染源信息筛选目标污染物，根据目标区域的GIS地理数据确定目标污染物根据目标区域的区域范围获取范围内的污染源信息，根根据预设环境监测任务在标志性污染物中进行筛选获将目标污染物的现有监测数据进行数据预处理，通过根据数据分析获取不同位置环境监测井的数据关联，判断所述数据根据所述GIS地理数据获取目标区域内的地形及水文数据，在现有环境监测井的基础染物监测点采集目标污染物浓度信息，基于所述目标污染物浓度信息对各监测点进行聚根据目标污染物监测点的位置信息将目标区域进行格网根据聚类样本集中格网位置信息及目标污染物浓度信息获取格网样本之间的相似度通过所述聚类样本集的聚类中心获取聚类结果，根据根据所述目标区域的污染分布及扩散方向生成目标区域内目标污染物根据目标污染物的历史监测数据结合目标污染物的扩散格局获取污染区域目标污染基于深度学习构建扩散预测模型，将预处理后的目标污5通过图注意力网络对目标区域目标污染物监测点形成的图结构将图注意力网络输出的特征序列输入DASeq2Seq模型进行特征编码，利用当前时间戳的特征输入和上一时间戳的隐藏状态获取当前时间戳的隐藏状态，并在DASeq2Seq模型中根据目标区域内污染扩散格局获取目标污染物当前的污通过所述扩散预测模型进行时空关联特征提取，根据根据所述目标污染物预测浓度进行聚类分析，生成新的根据聚类偏差确定对应格网并进行标记，将标记的6[0004]为了解决上述技术问题，本发明提出了一种基于深度学习的扩散预测方法及系[0010]利用目标区域当前时间的污染分布结合目标污染物的扩散趋势获取潜在污染区7[0016]根据所述GIS地理数据获取目标区域内的地形及水文数据，在现有环境监测井的[0019]根据聚类样本集中格网位置信息及目标污染物浓度信息获取格网样本之间的相[0021]根据所述目标区域的污染分布及扩散方向生成目标区域内目标污染物的扩散格[0023]根据目标污染物的历史监测数据结合目标污染物的扩散格局获取污染区域目标[0027]将图注意力网络输出的特征序列输入DASeq2Seq模型进行特征编码，利用当前时间戳的特征输入和上一时间戳的隐藏状态获取当前时间戳的隐藏状态，并在DASeq2Seq模8G=(V,E)[0030]获取目标区域内目标污染物监测点的位置信息，确定空间拓扑关系，定义为G=(V,E)[0031]获取目标污染物监测点所在格网，将对应的目标污染物监测数[0043]利用目标区域当前时间的污染分布结合目标污染物的扩散趋势获取潜在污染区9[0055]S106，根据目标区域的污染扩散格局获取污染区域的目标污染物的浓度变化序应的目标污染物浓度信息的负平方欧式距离计算相似性其中，前时间戳的特征输入和上一时间戳的隐藏状态获取当前时间戳的隐藏状态，并在[0076]利用平均池化及最大池化结合对邻居节点分配不同的权重，其中权重的计算表示映射函数，表示t时刻的节点特征，Avgpool表示平均池化，Maxpool表示最大池[0079]需要说明的是，根据目标区域内污染扩散格局获取目标污染物[0082]利用大数据手段在预设检索空间中获取目标污染物对应的具有污染物富集能力[0084]根据目标区域的季节特征所述标志性植物为两种或者两种以上深度学习的扩散预测方法程序被所述处理器[0091]利用目标区域当前时间的污染分布结合目标污染物的扩散趋势获取潜在污染区[0096]根据聚类样本集中格网位置信息及目标污染物浓度信息获取格网样本之间的相[0098]根据所述目标区域的污染分布及扩散方向生成目标区域内目标污染物的扩散格应的目标污染物浓度信息的负平方欧式距离计算相似性其中，[0101]根据目标污染物的历史监测数据结合目标污染物的扩散格局获取污染区域目标[0105]将图注意力网络输出的特征序列输入DASeq2Seq模型进行特征编码，利用当前时间戳的特征输入和上一时间戳的隐藏状态获取当前时间戳的隐藏状态，并在DASeq2Seq模[0108]利用平均池化及最大池化结合对邻居节点分配不同的权重，其中权重的计算表示映射函数，表示t时刻的节点特征，Avgpool表示平均池化，Maxpool表示最大池征对于输入的重要程度，为t时刻第k个特征,第i个特征对应的相关性，为[0111]需要说明的是，根据目标区域内污染扩散格局获取目标污染物光盘等各种可以存储程序代码