CN119474762B 一种空气污染物浓度的预测方法及其相关设备 （浙江省宁波生态环境监测中心）

一种空气污染物浓度的预测方法及其相关本发明公开了一种空气污染物浓度的预测前气象数据和地理位置数据作为预测模型的目2获取目标环境监测站点对应的当前污染物浓度数据、当前气将所述当前污染物浓度数据、所述当前气象数据和所述目标将多个模态对应的预测输出进行聚合以输出预测根据所述预测模型的输出结果确定所述目标环境监测站点对应的空气污染物浓度的步骤S201，建立预测模型的输入模块，采集各地环境步骤S203，对输入数据建立Mogrifier门控机制，通过Mogr步骤S204，建立时间特征提取模块，通过时间特征提3测站的n种污染物浓度的时序数据；表示环境监测站的污染物浓度的4积后节点在第l+1层的特征向量；当l=0时表示第l层卷积可学习的参数；o()为sigmoid激活函数；步骤S206，将时间特征数据和空间特征数据输入到步骤S207，通过输出模块将全部模态对应的预测输出通过所述输入模块对所述获取多个环境监测站点分别对应的历史污染计算所述历史污染物浓度数据和所述历史气象数据的互还包括Mogrifier门控操作模块，在所述通过所述时间特征提取模块中的时间卷积网络从通过所述Mogrifier门控操作模块对所述每个站点分别对应的多个模态数据进行数据5采用粒子群优化算法搜索所述预测模型的最优参数配置，以实现确定所述预测模型的初始化参数和粒子群参数；其中，对粒子群进行迭代更新，得到每次迭代更新后各个粒子的速度和位述目标环境监测站点为所述单个或多个指定的环数据获取模块，用于获取目标环境监测站点对应的当前污染模型处理模块，用于将所述当前污染物浓度数据、所述当前气象数络提取空间特征数据；所述时空交融的卷积网络模块用于提取各个模态对应的时空特征；所述输出模块用于将多个模态对应的预测输出进行聚合以输出预测预测结果确定模块，用于根据所述预测模型的输出结果确定所述目步骤S201，建立预测模型的输入模块，采集各地环境6步骤S203，对输入数据建立Mogrifier门控机制，通过Mogr步骤S204，建立时间特征提取模块，通过时间特征提测站的n种污染物浓度的时序数据；表示环境监测站的污染物浓度的7积后节点在第l+1层的特征向量；当l=0时表示第l层卷积可学习的参数；o()为sigmoid激活函数；步骤S206，将时间特征数据和空间特征数据输入到8步骤S207，通过输出模块将全部模态对应的预测输出令，所述指令在由所述处理器执行时使所述处理器执行根据权利要求1_6中任一项所述的9.一种存储有计算机指令的非瞬时机器可读介质，其使所述计算机执行根据权利要求1_6中任一项所述的空气污染9基于历史数据建立线性关系进行预测2）机器学习模型，如采用随机森林（Random制了空气污染物浓度预测方案的适用场景；同时在数据预处理阶段可能丢失重要信息或保分解处理得到多个模态数据；时间特征提取模块用于从多个模态数据中提取时间特征数[0009]根据预测模型的输出结果确定目标环境监测站点对应的空气污染物浓度的预测[0012]通过预测模型的输入模块采用变分模态分解算法对各个站点的历史污染物浓度[0013]通过时间特征提取模块中的时间卷积网络从每个站点分别对应的多个模态数据[0015]将时间特征数据与空间特征数据输入到时空交融的卷积网络模块中的卷积门控选取满足目标数量的历史污染物浓度类型和气象数征提取模块中的时间卷积网络从每个站点分别对应的多个模态数据中提取时间特征数据[0021]通过Mogrifier门控操作模块对每个站点分别对应的多个模态数据进行数据优[0029]在其中的一些实施例中，当方法应用于对目标区域的空气污染物浓度进行预测的输入模块采用变分模态分解算法对各个站点的历史污染物浓度数据进行变分模态分解，[0041]图1是本发明实施例的一个实施例的空气污染物浓度的预测方法的主要流程示意[0043]图3是本发明实施例的一个实施例的空气污染物浓度的预测装置的主要框架示意[0060]本发明实施例提供的针对空气污染物浓度的预测方法所采用的预测模型因具备捉图数据中的复杂关系和结构信息。型的输入模块采用变分模态分解算法对各个站点的历史污染物浓度数据进行变分模态分染物浓度数据、气象数据和地理位置数据，据此训练得到的预测模型具备分布式的监测预行变分模态分解，得到多个具有不同频率特性的模态，确保每个模态的数据都能被有效利化处理，确保了不同模态数据在相同的尺度上进行处理，避免某些模态数据因量级差异过大而影响模型性能。[0069]根据上述具体实施方式，通过VDM针对历史污染物浓度数据进行模态分解得到的周期性事件；提供了一种方式来评估监测系统的稳定性和可靠性，并排除异常值的影响。续性的同时有效地融合空间信息。ConvGRU中的更新门和重置门可以控制哪些时间特征应的效果。注意力机制允许模型根据当前任务的需求自动调整各个位置或时间步长上的权理包括缺失值处理和离群值处理；计算历史污染物浓度数据和历史气象数据的互信息值，行相关性分析，找出与待预测的空气污染物浓度的相关性密切的前N个种类的历史污染物间特征提取模块中的时间卷积网络从每个站点分别对应的多个模态数据中提取时间特征[0083]基于上述设置，通过Mogrifier门控操作能够动态选择和保留对预测最有用的信[0084]根据本发明实施例的一具体实施方式，还可通过Mogrifier门控操作模块根据数据的具体特性进行自适应调整。Mogrifier门控机制通过学习门控参数来自动确定哪些部际输出结果和预测时间步长值确定损失函数；确定预测模型的初始化参数和粒子群参数；。数，将在第k次迭代后第i个粒子的当前位置记为w;(k)，W;(k)=[wx(k),wzz(k),…,was(k]，第k次迭代后第i个粒子的当前速度记为v(k)粒子按照V;(k)=wv;k)+czr1(w(a))-w;(k)+cgr2(WA(g))-wk))（3）[0109]W;K+1)=W;(K)+V()（4）V][0117]根据本发明实施例的一具体实施方式，对输入数据建立Mogrifier门控机制的具er-2分别为当前输入值及Mogrifier结构迭代中的中间值和为隐层输出及Mogrifier结构中的中间值，xo=x；o(•)为sigmoid运算；t为Mogrifier结构中的超参；Q:、R是为帮助、每个站点分别对应的多个模态数据中提取时[0124]HZ'=ReLU(convkk,(ReLU(convk,(H))))+convxa(H⃞)（8）提取模块输出；convsa()表示卷积核为1×1的一维卷积层。测站V,V的N种污染物浓度的时序数据；DTW(xi,X)表示环境监测站V,V的污染物浓度的时序数据之间的平均DTW距离；vr表示站点v,V的气象数据；DTW(Qi,Qi)表示环境监测站V,V的气象的时序数据即为k模态经过卷积后节点在第l+1层的特征向量；当l=0时表示第l层卷积可学习的参数；o()为sigmoid激活函数。[0162]根据本发明实施例的一具体实施方式，建立时空交融的卷积[0163]步骤S2061，空气质量污染物浓度的时空卷积网络TSNN模型是获取时间特征提取卷积网络TCN与图卷积网络GCN的输出，输入到卷积门控循环单元ConvGRU模型进行时空融W、o(•)为sigmoid函数；输出数据。Ws为可训练的权重；B:为偏置项；o(•)为sigmoid函数；[0169]步骤S2063，对上一时刻传来的数据和RXX进行处理得到ConvGRU中的当前记忆内[0182]具体地，上述步骤需先构造预测模型的输出层，再将k个模态的预测输出进行聚r表示k个模态的空气污染物浓度的预测结果，F()为权重[0188]根据本发明实施例的一具体实施方式，采用粒子群优化算法（Pt表示预测时间步长。[0194]步骤S2084，采用最终的粒子群的全局极值对应的粒子的位置对重构后的预测模将在第k次迭代后第i个粒子的当前位置记为w;(k)，W;(k)=[wx(k),wzz(k),…,was(k]，第k次迭代后第i个粒子的当前速度记为粒子按照V;(k)=wv;k)+czr1(w(a))-w;(k)+cgr2(WA(g))-wk))（32）[0196]W;K+1)=W;(K)+V()（33）k[0202]本发明实施例提供的针对空气污染物浓度的预测装置所采用的预测模型因具备[0204]在其中的一些实施例中，上述空气污染物浓度的预测装置300还包括预测模型训物浓度数据进行变分模态分解，采用粒子群优化算法对变分模态分解结果进行寻优处理，间特征提取模块中的时间卷积网络从每个站点分别对应的多个模态数据中提取时间特征[0206]在其中的一些实施例中，上述空气污染物浓度的预测装置300还包括数据处理模并选取满足目标数量的历史污染物浓度类型和气间特征提取模块中的时间卷积网络从每个站点分别对应的多个模态数据中提取时间特征[0209]基于上述设置，通过Mogrifier门控操作能够动态选择和保留对预测最有用的信[0210]在其中的一些实施例中，上述空气污染物浓度的预测装置300还包括预测模型的实际输出结果和预测时间步长值确定损失函数；确定预测模型的初始化参数和粒子群参[0214]预测结果确定模块303，用于根据预测模型的输出结果确定目标环境监测站点对[0216]本发明实施例所提供的上述空气污染物浓度的预测装置，由于采用数据获取模数据中提取时间特征数据；空间特征提取模块用于构建融合输入数据中的污染物浓度数计算机程序在被计算机的处理器执行时用于使上述计算机执品应当理解为主要通过计算机程序实现本申请上述方法的器通信连接的存储器。上述存储器存储有能够被上述至少一个处理器执行的计算机程序，上述计算机程序在被上述至少一个处理器执行时用于使电子设备执行本发明实施例的方[0220]参考图4，现将描述可以作为本发明的实施例的服务器或客户端的电子设备的结的计算机程序或者从存储单元408加载到随机访问存储器RAM403中的计算机程序，来执行单元401、ROM402以及RAM403通过总线404彼此相连。输入/输出I/O接口405也连接至总线储单元408以及通信单元409。输入单元406可以是能向电子设备输入信息的任何类型的设[0224]用于实施本发明实施例的方法的计算机程序可以采用一个或多个编程语言的任理装置的处理器或控制器，使得计算机程序当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完