买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明提供了一种基于人工智能和大数据的污染源清单反演方法、系统以及应用，属于环境保护技术领域，旨在解决现有技术中污染源排放清单更新时效性差的问题，从而为政府部门制定相关环保措施提供基础数据支撑。具体采用的方案为：以人工智能和大数据为基础，通过先进的3DCNN人工智能算法，找到对任意单元的污染物浓度贡献最大的排放源，建立污染物浓度与排放量之间的关系模型，通过机器学习技术找到污染物浓度和排放之间的联系，既给定污染物浓度来估计排放，给定排放来估计污染物浓度。

主权项：1.基于人工智能和大数据的污染源清单反演方法，其特征在于，包括：获取气象数据、排放数据以及浓度数据三种数据，并进行预处理；利用3DCNN人工智能算法，获得对任意单元的污染物浓度贡献最大的排放源，并建立污染物浓度与排放量之间的关系模型；通过集成梯度方法分析关系模型以估计输入排放数据对浓度特定单元的影响，获得最终清单反演结果；所述的利用3DCNN人工智能算法，获得对任意单元的污染物浓度贡献最大的排放源，并建立污染物浓度与排放量之间的关系模型的步骤包括：通过二维卷积层处理的气象数据，将维数从5降至1，然后激活ReLU；对气象数据进行重塑，以三维匹配排放数据的形状；将排放三维数据与气象数据串联起来，形成形状，由一组具有激活功能的三维卷积层处理的数据；还包括通过循环神经网络RNN以排放数据+气象数据的多个时间戳记录序列作为输入来预测排放浓度的步骤；所述的通过集成梯度方法分析关系模型以估计输入排放数据对浓度特定单元的影响的步骤，包括：使用“零特征”状态作为基准；在实际输入和基准输入处计算模型输出相对于输入特征的梯度，通过3DCNN模型进行反向传播来获得梯度；将从基准到实际输入的路径划分为N个等间距点；对路径上的每个点，计算模型输出相对于输入特征的梯度；对于每个评估点，计算实际输入和基准输入处的梯度之间的差值；其中，所述差值表示每个特征的重要性随着从基准到实际输入的路径如何改变；将梯度差值与高斯-勒让德求积公式中的对应权重相乘，对所有加权的梯度差值求和，以获得每个特征的最终归因分数；其中，该分数表示每个特征对模型对给定输入的预测做出贡献的程度；所述的归因分数进行归一化，以确保每个特征的最终归因分数的总和等于模型在实际输入和基准输入上的预测之间的差值。

全文数据：

权利要求：

百度查询： 中国环境科学研究院 深圳前海启鸣科技有限公司 基于人工智能和大数据的污染源清单反演方法、系统及应用