首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于STL-Transformer的臭氧浓度预测方法 

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!

申请/专利权人:青岛理工大学

摘要:本发明公开了一种基于STL‑Transformer的臭氧浓度预测方法,属于大气质量检测技术领域,包括:采用时间序列分解算法STL将臭氧浓度实测序列分解为季节分量、趋势分量和剩余分量;将分解后的三个分量与环境空气质量指数、空气质量评价参数、气象参数拼接,作为Transformer模型的输入序列;利用Transformer模型对未来不同时段的臭氧浓度进行预测,输出臭氧浓度的预测值。本发明基于STL算法和Transformer模型设计的臭氧浓度预测方法,能够充分捕捉臭氧变化的先验信息,通过提取多源数据的全局信息,可以显著提升臭氧浓度的预测质量和预测结果的可解释性。

主权项:1.一种基于STL-Transformer的臭氧浓度预测方法,其特征在于,包括:采集一段时间内空气中的臭氧浓度数据,形成臭氧浓度实测序列;采用时间序列分解算法STL将臭氧浓度实测序列分解为季节分量、趋势分量和剩余分量,形成臭氧序列的三个分量,其过程包括:根据不同的预测时段配置季节周期参数Pe,t时刻的季节分量、趋势分量和剩余分量是对t时刻之前的Pe个时间段{t-1,t-2,…t-Pe}内的臭氧浓度实测值构成的臭氧序列进行STL分解得到的;所述STL分解过程包括:将臭氧浓度实测序列Yv的分解结果表示为:Yv=Sv+Tv+Rv;其中,季节分量Sv表示数据在不同时间尺度上的周期性波动;趋势分量Tv表示数据的长期变化趋势;剩余分量Rv表示除季节分量和趋势分量以外的随机噪声;假设分别表示季节分量Sv和趋势分量Tv的第k次迭代结果,分解过程如下:S1、去除臭氧浓度实测序Yv中的趋势分量,计算去趋势序列S2、对所述去趋势序列的周期子序列进行Loess平滑,记稳健性权重为ρv,结果记为S3、对进行低通滤波算法处理,输出序列记为S4、去除中的趋势项,得到季节分量S5、从臭氧浓度实测序列Yv中去除季节分量计算去季节序列S6、对去季节序列进行Loess平滑,得到k+1迭代的趋势分量S7、计算剩余分量S8:根据剩余分量Rv的稳健性计算下一循环的稳健性权重ρv: 其中,midean函数用于返回一组数据的中值;||表示取数据的绝对值;Bu为双平方权重函数: 将分解后的三个分量与环境空气质量指数、空气质量评价参数、气象参数拼接,作为Transformer模型的输入序列;利用Transformer模型对未来不同时段的臭氧浓度进行预测,通过Transformer模型输出的结果即为臭氧浓度的预测值。

全文数据:

权利要求:

百度查询: 青岛理工大学 一种基于STL-Transformer的臭氧浓度预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。