一种大气污染物浓度预测的方法及设备技术

本申请的目的是提供一种大气污染物浓度预测的方法及设备，本申请通过获取目标特征数据，其中，所述目标特征数据包括高空预报数据、地表预报数据及历史监测数据；对所述历史监测数据进行特征提取，并将特征提取后的历史监测数据输入至Seq2seq模型的编码端，通过所述Seq2seq模型的编码端将所述特征提取后的历史监测数据转化成状态量并传递至Seq2seq模型的解码端；对所述高空预报数据及所述地表预报数据进行特征提取后进行训练，根据训练的结果确定输入特征数据，将所述输入特征数据输入至所述Seq2seq模型的解码端；根据所述解码端的输出结果预测大气污染物浓度，从而得到精确度更高的预报结果。

【技术实现步骤摘要】
一种大气污染物浓度预测的方法及设备
本申请涉及计算机领域，尤其涉及一种大气污染物浓度预测的方法及设备。
技术介绍
由于气象环境因素较为复杂，大气污染物浓度的指标预测一直以来都是一个比较复杂的问题。目前，常用的预测方法有基于大气化学传输模型的机理预报方法与基于机器学习模型的统计预报方法。前者在实际工程中得到了广泛的运用，然而由于大气是一个非常复杂的系统，从理论上难以运行完全量化，因此机理预报方法存在较大的误差。目前，国内气象局对天气状态和各类污染物浓度的预报采用大气化学耦合模式(WRF-Chem)运算得到。由于数值模式计算、排放源清单数据存在不同程度的误差，因此模式对污染物浓度的预测效果并不理想。
技术实现思路
本申请的一个目的是提供一种大气污染物浓度预测的方法及设备，解决现有技术中污染物浓度预测效果差，不准确的问题。根据本申请的一个方面，提供了一种大气污染物浓度预测的方法，该方法包括：获取目标特征数据，其中，所述目标特征数据包括高空预报数据、地表预报数据及历史监测数据；对所述历史监测数据进行特征提取，并将特征提取后的历史监测数据输入至Seq2seq模型的编码端，通过所述Seq2seq模型的编码端将所述特征提取后的历史监测数据转化成状态量并传递至Seq2seq模型的解码端；对所述高空预报数据及所述地表预报数据进行特征提取后进行训练，根据训练的结果确定输入特征数据，将所述输入特征数据输入至所述Seq2seq模型的解码端；根据所述解码端的输出结果预测大气污染物浓度。进一步地，获取目标特征数据，包括：将获取到的目标区域中站点采集到的数据以及所述目标区域周围站点采集到的数据作为目标特征数据。进一步地，对所述历史监测数据进行特征提取，包括：将起报时间之前预设单位时间内的历史监测数据，以及在所述预设单位时间内两个相邻时刻对应的历史监测数据的差值作为时间特征数据。进一步地，对所述高空预报数据及所述地表预报数据进行特征提取，包括：将所述高空预报数据、地表预报数据进行拆分，得到基本特征数据；将同一特征在同一时刻时对应的高空预报数据与地表预报数据的值进行差运算，生成空间特征数据。进一步地，对所述高空预报数据及所述地表预报数据进行特征提取后进行训练，以根据训练的结果确定输入特征数据，包括：对所述高空预报数据及所述地表预报数据进行特征提取后通过回归模型进行训练，得到训练的结果为各特征数据的重要度；按照所述各特征数据的重要度的排序选取多个特征数据，作为输入特征数据。进一步地，对所述历史监测数据进行特征提取，包括：从所述历史监测数据中选取目标污染物因子，对所述目标污染物因子进行特征提取，其中，所述目标污染物因子包括PM2.5浓度、PM10浓度、二氧化硫浓度、一氧化碳浓度、二氧化氮浓度及臭氧浓度中一种或任几种组合。根据本申请再一个方面，还提供了一种大气污染物浓度预测的设备，其中，所述设备包括：一个或多个处理器；以及存储有计算机可读指令的存储器，所述计算机可读指令在被执行时使所述处理器执行前述的方法的操作。根据本申请另一个方面，还提供了一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现前述一种大气污染物浓度预测的方法。与现有技术相比，本申请通过获取目标特征数据，其中，所述目标特征数据包括高空预报数据、地表预报数据及历史监测数据；对所述历史监测数据进行特征提取，并将特征提取后的历史监测数据输入至Seq2seq模型的编码端，通过所述Seq2seq模型的编码端将所述特征提取后的历史监测数据转化成状态量并传递至Seq2seq模型的解码端；对所述高空预报数据及所述地表预报数据进行特征提取后进行训练，根据训练的结果确定输入特征数据，将所述输入特征数据输入至所述Seq2seq模型的解码端；根据所述解码端的输出结果预测大气污染物浓度，从而得到精确度更高的预报结果。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1示出根据本申请的一个方面提供的一种大气污染物浓度预测的方法流程示意图；图2示出本申请一实施例中Seq2seq模型的框架示意图。附图中相同或相似的附图标记代表相同或相似的部件。具体实施方式下面结合附图对本申请作进一步详细描述。在本申请一个典型的配置中，终端、服务网络的设备和可信方均包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flashRAM)。内存是计算机可读介质的示例。计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。图1示出根据本申请的一个方面提供的一种大气污染物浓度预测的方法流程示意图，该方法包括：步骤S11～步骤S14，在步骤S11中，获取目标特征数据，其中，所述目标特征数据包括高空预报数据、地表预报数据及历史监测数据；在此，目标特征数据为大气相关的数据，可从气象局中获得，包括高空WRF-Chem预报数据、地表WRF-Chem预报数据以及历史监测数据，其中，历史监测数据包括真实的气象数据和真实的污染物数据；获得的目标特征数据可以以数据字典的形式存储，其中，高空WRF-Chem预报数据的存储格式如表1所示：表1地表WRF-Chem预报数据的存储格式如表2所示：字段名含义forecastdate起报时间lst预报时间siteid站点编号sitename站点名称lon经度lat纬度tem温度fore_vis能见度rhu相对湿度prs气压pre降水量win_s风速win_d风向pm25PM2.5浓度pm10PM10浓度no2二氧化氮浓度o3臭氧浓度co一氧化碳浓度so2二氧化硫浓度表2真实气象数据的存储格式如表3所示：表3真实污染物数据如表4所示：字段名含义datetime时间siteid站点编号sitename站点名称lon经度lat纬度pm25PM2.5浓度pm10PM10浓度so2so2浓度o3o3浓度coco浓度no2no2浓度表4在步骤S12中，对所述历史监测数据进行特征提取，并将特征提取后的历史监测数据输入至Seq2seq模型的编码端，通过所述Seq2seq模型的编码端将所述特征提取后的历史监测数据转化成状态量并传递至Seq2seq模型的解码端；在此，如图2所示，对历史监测数据进行特征提取，引入历史变化规律的信息，将特征提取后的数据输入至Seq2seq模型本文档来自技高网...

【技术保护点】
1.一种大气污染物浓度预测的方法，其中，所述方法包括：获取目标特征数据，其中，所述目标特征数据包括高空预报数据、地表预报数据及历史监测数据；对所述历史监测数据进行特征提取，并将特征提取后的历史监测数据输入至Seq2seq模型的编码端，通过所述Seq2seq模型的编码端将所述特征提取后的历史监测数据转化成状态量并传递至Seq2seq模型的解码端；对所述高空预报数据及所述地表预报数据进行特征提取后进行训练，根据训练的结果确定输入特征数据，将所述输入特征数据输入至所述Seq2seq模型的解码端；根据所述解码端的输出结果预测大气污染物浓度。

【技术特征摘要】
1.一种大气污染物浓度预测的方法，其中，所述方法包括：获取目标特征数据，其中，所述目标特征数据包括高空预报数据、地表预报数据及历史监测数据；对所述历史监测数据进行特征提取，并将特征提取后的历史监测数据输入至Seq2seq模型的编码端，通过所述Seq2seq模型的编码端将所述特征提取后的历史监测数据转化成状态量并传递至Seq2seq模型的解码端；对所述高空预报数据及所述地表预报数据进行特征提取后进行训练，根据训练的结果确定输入特征数据，将所述输入特征数据输入至所述Seq2seq模型的解码端；根据所述解码端的输出结果预测大气污染物浓度。2.根据权利要求1所述的方法，其中，获取目标特征数据，包括：将获取到的目标区域中站点采集到的数据以及所述目标区域周围站点采集到的数据作为目标特征数据。3.根据权利要求1所述的方法，其中，对所述历史监测数据进行特征提取，包括：将起报时间之前预设单位时间内的历史监测数据，以及在所述预设单位时间内两个相邻时刻对应的历史监测数据的差值作为时间特征数据。4.根据权利要求1所述的方法，其中，对所述高空预报数据及所述地表预报数据进行特征提取，包括：将所述高空预报数据、地表预报数据进行...

【专利技术属性】
技术研发人员：马井会，余钟奇，曹钰，瞿元昊，潘亮，许建明，杨洪山，
申请(专利权)人：长三角环境气象预报预警中心上海市环境气象中心，
类型：发明
国别省市：上海,31