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：中国科学院沈阳计算技术研究所有限公司

摘要：本发明涉及一种网格化监测中的空气质量预测方法。该方法首先将用户输入的网格化监测中各个监测站的位置信息和历史空气污染物浓度信息进行数据清洗，然后将处理过的数据输入GCN来提取各个监测站之间的空间关联信息，再将具备空间信息的数据输入LSTM提取时间特征，最后由一个线性回归层来综合GCN和LSTM所提取的特征并产生预测结果，返回给用户。本发明方法通过相关实验验证了方法的有效性。

主权项：1.一种网格化监测的空气质量预测方法，其特征在于包括以下步骤：1获取空气质量网格化监测区域内各个监测站采集的K个时刻内历史空气中污染物浓度数据；2将历史空气中污染物浓度数据转换成时间序列并归一化；3利用各个监测站的经纬度信息和监测站之间的最大影响距离获取空气质量网格化监测区域中监测站的空间关联拓扑图并归一化；4将归一化后的每组空气中污染物浓度的时间序列的前n个时刻数据和归一化后的空间关联拓扑图即邻接矩阵输入至预测模型中，每组时间序列中从第n+1到第n+k时刻的各个监测站历史空气中污染物浓度数据作为预测模型的期望输出，对预测模型进行训练；k为需要预测的时间长度；5获取需要预测的时间段中第一个时刻的前n个时刻的空气中污染物浓度数据，转换成时间序列并归一化，将归一化后的时间序列和归一化后的空间关联拓扑图输入至训练好的预测模型中，通过逆归一化处理得到需要预测时刻的污染物浓度；所述对预测模型进行训练包括以下步骤：1建立GCN、LSTM和线性回归层顺序组合而成的预测模型：GCN的输入包括归一化后的空气中污染物时间序列中每一组的前n个时刻的特征数据和归一化后的空间关联拓扑图GCN的输出矩阵为P，P的大小是N×J，其中N表示网格化监测区域中的监测站个数，J表示GCN网络中最后一层的隐含节点的数量；LSTM的输入为矩阵P，LSTM的输出为J×O的矩阵G，其中J表示GCN网络中最后一层的隐含节点的数量，O表示LSTM网络中最后一层的隐含节点数量；线性回归层的输入为LSTM的输出矩阵G，线性回归层的输出为N×1的矩阵S；2根据预测模型产生的矩阵S、与输入的归一化后的空气中污染物的时间序列的标签即每一组中的从第n+1个时刻到第n+k个时刻各个监测站的空气中污染物浓度之间的损失函数来调整GCN、LSTM和线性回归层中的参数；3将调整好的参数带入预测模型中，得到训练好的预测模型。

全文数据：

权利要求：

百度查询： 中国科学院沈阳计算技术研究所有限公司 一种网格化监测的空气质量预测方法