本发明专利技术公开了一种全时段大气污染物的重构方法、装置、计算机设备和存储介质，包括获取依据观测区域的超光谱遥感数据反演得到的大气污染物浓度分布，获取观测区域内大气污染物浓度的多源相关信息，其中，多源相关信息包括气象信息、交通信息、地形信息，以多源相关信息经预处理后作为样本，以大气污染物浓度分布作为样本标签；构建包含特征提取单元和重构单元的多模态重构模型；利用样本和样本标签对多模态重构模型进行监督学习，以优化多模态重构模型参数；利用参数优化的多模态重构模型进行全时段三维大气污染物分布的重构。该方法通过考虑多模态信息综合预测全时段的三维大气污染物浓度，以提高预测准确性。以提高预测准确性。以提高预测准确性。
【技术实现步骤摘要】
全时段三维大气污染物的重构方法、装置、计算机设备和存储介质
[0001]本专利技术属于大气污染物浓度监测领域，具体涉及一种全时段大气污染物的重构方法、装置、计算机设备和存储介质。
技术介绍
[0002]对于大气污监测而言，污染物的产生、溯源以及扩散预测均十分重要。单独的点式仪器或者垂直廓线观测仪器仅能够对其所在区块的污染物排放进行监测与分析，无法对来自其他区块的痕量气体进行溯源，无法查明污染来源。因此，以对整个区域进行全时段三维大气污染物的预测重构为目标，亟须构建一个区域排放的联防联控清单来对所有区块24小时污染物情况进行监测预防与溯源。
[0003]在大气污染物检测领域，现有的主流检测设备主要分为三种，第一种是以CNEMC(国家环境空气质量监测站点)为例的点式仪器为主，其无法对地面上空以及高空的污染物进行检测。第二种则是雷达，能够对不同高度层面的大气污染物进行检测，但雷达仪器存在盲区。第三种是超光谱遥感站点，可对太阳光这一主动光源进行吸收和散射，使用其紫外(UV)和可见光(VIS)波段的分子吸收进行光谱测量，反演观测空间分布数据，意味着晚上和阴雨天观测被中断。同时对于大气痕量气体的预测重构需要大量的站点配布。然而，由于超光谱遥感站点建设和维护成本较高，大量建设超光谱遥感站点不可行。
[0004]现有技术中，也有采用机器学习来预测大气污染物浓度，如专利文献 CN108491970A公开了一种基于RBF神经网络的大气污染物浓度预测方法，该大气污染物浓度预测方法基于天气数据并采用RBF神经网络进行预测，这种预测方法只考虑天气数据这一类影响因素，会造成预测相对不准确。
[0005]再如专利文献CN109492830A公开了一种基于时空深度学习的移动污染源排放浓度预测方法，主要根据移动污染源污染物的区域时空分布特点，并采用注意力机制的卷积长短期记忆神经网络进行预测。这种预测方法直接考虑了污染源污染物的区域时空分布特点，即考虑气象信息，污染物信息以及时间戳信息信进行预测，会造成预测相对不准确。
技术实现思路
[0006]鉴于上述，本专利技术的目的在于提供一种全时段三维大气污染物的重构方法、装置、计算机设备和存储介质，通过考虑多模态信息综合预测全时段的三维大气污染物浓度，以提高预测准确性。
[0007]为实现上述专利技术目的，本专利技术提供以下技术方案：
[0008]第一方面，实施例提供了一种全时段三维大气污染物的重构方法，包括以下步骤：
[0009]获取依据观测区域的超光谱遥感数据反演得到的大气污染物浓度分布，获取观测区域内大气污染物浓度的多源相关信息，其中，多源相关信息包括气象信息、交通信息、地形信息，以多源相关信息经预处理后作为样本，以大气污染物浓度分布作为样本标签；
[0010]构建包含特征提取单元和重构单元的多模态重构模型，其中，特征提取单元包含多个特征提取模块，每个特征提取模块对应提取样本中每类相关信息的特征向量，重构单元对所有相关信息的特征向量进行融合运算以重构大气污染物浓度分布；
[0011]利用样本和样本标签对多模态重构模型进行监督学习，以优化多模态重构模型参数；
[0012]利用参数优化的多模态重构模型进行全时段三维大气污染物分布的重构。
[0013]在一个实施例中，所述气象信息包括经纬度风速、垂直风速、温度、湿度、压强、大气边界层厚度；所述交通信息包括交通流量数据；所述地形信息包括地形数据、地表高程数据。
[0014]在一个实施例中，所述多源相关信息还包括人口密度信息和/或化学
‑ꢀ
气象耦合模型。
[0015]在一个实施例中，所述气象信息来自有化学
‑
气象耦合模型的预测输出；所述化学
‑
气象耦合模型信息包括其输出的大气污染物浓度。
[0016]在一个实施例中，获取的多源相关信息经过数据清洗、数据填充、独热编码、标准化以及裁剪重组后，形成样本并输入至多模态重构模型。
[0017]在裁剪重组时，依据大气污染物寿命长度确定数据尺寸N*N，针对每个采样高度对应的每类相关信息，按照数据尺寸进行裁剪得到每个地理网格对应的每类相关信息，然后，针对每类相关信息，拼接每个地理网格对应的所有采样高度M对应的相关信息，形成N*N*M的数据块，该数据块输入多模态重构模型被1个特征提取模型进行特征提取。
[0018]在一个实施例中，所述依据大气污染物寿命长度确定数据尺寸N*N，包括：
[0019]根据大气污染物在正常经纬向风速下跟随气流扩散数个小时所能覆盖到的区域，将大气污染物浓度达到污染物标准时形成的覆盖区域的正方形包络线最小边长值与设备观测的单位区域网格大小值之比取作N。
[0020]在一个实施例中，所述特征提取模块包括多个卷积层和池化层的交替结构，按照数据流顺序，卷积层的卷积核尺寸依次减小，且通道数也依次较小，实现特征提取和异化特征，得到特征向量；
[0021]在一个实施例中，所述重构单元采用多个全连接层，对输入的特征向量进行全连接操作，以重构生成重构大气污染物浓度分布。
[0022]第二方面，实施例提供了一种全时段三维大气污染物的重构装置，包括：
[0023]获取模块，用于获取依据观测区域的超光谱遥感数据反演得到的大气污染物浓度分布，获取观测区域内大气污染物浓度的多源相关信息，其中，多源相关信息包括气象信息、交通信息、地形信息，以多源相关信息经预处理后作为样本，以大气污染物浓度分布作为样本标签；
[0024]模型构建模块，用于构建包含特征提取单元和重构单元的多模态重构模型，其中，特征提取单元包含多个特征提取模块，每个特征提取模块对应提取样本中每类相关信息的特征向量，重构单元对所有相关信息的特征向量进行融合运算以重构大气污染物浓度分布；
[0025]监督学习模块，用于利用样本和样本标签对多模态重构模型进行监督学习，以优化多模态重构模型参数；
[0026]重构应用模块，用于利用参数优化的多模态重构模型进行全时段三维大气污染物分布的重构。
[0027]第三方面，实施例提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上执行的计算机程序，所述存储器存储有利用第一方面所述的全时段三维大气污染物的重构方法构建的多模态重构模型；所述处理器执行所述计算机程序时实现以下步骤：
[0028]获取全时段大气污染物浓度的多源相关信息，并对多源相关信息进行预处理后形成预测样本；
[0029]利用所述多模态重构模型对预测样本进行重构计算，以得到三维大气污染物浓度分布。
[0030]第四方面，实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理执行时实现第一方面所述的全时段三维大气污染物的重构方法的步骤。
[0031]与现有技术相比，本专利技术具有的有益效果至少包括：
[0032]由于样本采用气象信息、交通信息、地形信息、人口密度信息、化学
ꢀ‑<本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种全时段三维大气污染物的重构方法，其特征在于，包括以下步骤：获取依据观测区域的超光谱遥感数据反演得到的大气污染物浓度分布，获取观测区域内大气污染物浓度的多源相关信息，其中，多源相关信息包括气象信息、交通信息、地形信息，以多源相关信息经预处理后作为样本，以大气污染物浓度分布作为样本标签；构建包含特征提取单元和重构单元的多模态重构模型，其中，特征提取单元包含多个特征提取模块，每个特征提取模块对应提取样本中每类相关信息的特征向量，重构单元对所有相关信息的特征向量进行融合运算以重构大气污染物浓度分布；利用样本和样本标签对多模态重构模型进行监督学习，以优化多模态重构模型参数；利用参数优化的多模态重构模型进行全时段三维大气污染物分布的重构。2.如权利要求1所述的全时段三维大气污染物的重构方法，其特征在于，所述气象信息包括经纬度风速、垂直风速、温度、湿度、压强、大气边界层厚度；所述交通信息包括交通流量数据；所述地形信息包括地形数据、地表高程数据。3.如权利要求1所述的全时段三维大气污染物的重构方法，其特征在于，所述多源相关信息还包括人口密度信息和/或化学
‑
气象耦合模型信息。4.如权利要求2或3所述的全时段三维大气污染物的重构方法，其特征在于，所述气象信息来自有化学
‑
气象耦合模型的预测输出；所述化学
‑
气象耦合模型信息包括其输出的大气污染物浓度。5.如权利要求1所述的全时段三维大气污染物的重构方法，其特征在于，获取的多源相关信息经过数据清洗、数据填充、独热编码、标准化以及裁剪重组后，形成样本并输入至多模态重构模型；在裁剪重组时，依据大气污染物寿命长度确定数据尺寸N*N，针对每个采样高度对应的每类相关信息，按照数据尺寸进行裁剪得到每个地理网格对应的每类相关信息，然后，针对每类相关信息，拼接每个地理网格对应的所有采样高度M对应的相关信息，形成N*N*M的数据块，该数据块输入多模态重构模型被1个特征提取模型进行特征提取。6.如权利要求5所述的全时段三维大气污染物的重构方法，其特征在于，所述依据大气污染物寿命长度确定数据尺寸N*N，包括：根据大气污染物...
【专利技术属性】
技术研发人员：刘诚，冯家璇，李启华，邢成志，王炎，季祥光，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。