一种跨地域排放模型迁移方法、系统、存储介质及设备技术方案

本发明专利技术的一种跨地域排放模型迁移方法、系统、存储介质及设备，方法包括以下步骤，S1：根据源域城市路网拓扑结构以及多源外部因素和清单排放标签数据，构建源域排放关联因素图序列标签样本对；S2：设计深度异构图卷积网络提取不同区域路网排放与外部因素的相互关联关系，构建外部因素与路网排放深层特征映射；S3：设计非对称域适应特征转换机制，缩小源域和目标域外部关联因素分布差异，建立路网排放共性特征空间，实现跨地域排放模型迁移。本发明专利技术采用域适应特征迁移学习方法，缩小源域与目标域之间多源外部因素特征分布差异，实现跨地域路网移动源排放模型迁移构建。可解决跨域路网排放影响因素分布差异和可获取清单样本标签稀疏的问题。疏的问题。疏的问题。

【技术实现步骤摘要】
一种跨地域排放模型迁移方法、系统、存储介质及设备


[0001]本专利技术涉及环境监测
，具体涉及一种跨地域排放模型迁移方法、系统、存储介质及设备。

技术介绍

[0002]当前移动源排放清单构建方法都是针对特定城市设计，由于排放清单的构建受城市功能区分布、路网结构、交通流状况以及气象环境等因素的影响，不同城市间的物理传感数据(城市路网、气象环境、城市功能区)具有不同数据组织方式存在天然异构性，导致不同城市的排放模型无法直接应用于其它城市的移动源排放评估。因此，如何关联不同城市路网交通、气象环境以及功能区分布信息的相似特征，实现跨地域移动源排放模型迁移是一个亟需解决的问题。
[0003]本专利技术寻求构建一种基于跨地域排放模型迁移方法，有效利用大城市丰富的污染排放清单数据来辅助临近中小城市建立移动源排放模型。

技术实现思路

[0004]本专利技术提出的一种跨地域排放模型迁移方法、系统、存储介质及设备，可至少解决
技术介绍
中的技术问题之一。
[0005]为实现上述目的，本专利技术采用了以下技术方案：
[0006]一种跨地域排放模型迁移方法，通过计算机设备执行以下步骤，
[0007]S1：根据源域城市路网拓扑结构以及多源外部因素和清单排放标签数据，构建源域排放关联因素图序列标签样本对；
[0008]S2：设计深度异构图卷积网络提取不同区域路网排放与外部因素的相互关联关系，构建外部因素与路网排放深层特征映射；
[0009]S3：设计非对称域适应特征转换机制，缩小源域和目标域外部关联因素分布差异，建立路网排放共性特征空间，实现跨地域排放模型迁移。
[0010]进一步的，所述步骤S1包括：
[0011]S1.1：利用源域城市丰富的多源外部因素包括气象环境、路网交通、兴趣点分布和清单排放标签数据根据源域城市路网拓扑结构构建源域排放关联因素图序列标签样本对{x
s
,y
s
}，同样将目标域城市的外部因素数据按目标城市的路网结构构建相应关联因素图序列{x
t
}；
[0012]S1.2：构建源域城市和目标域城市的关联因素图序列，分别记作G
s
＝(V
s
,A
s
)，G
t
＝(V
t
,A
t
)，其中V是构建给定城市路网排放清单的区域路段有限顶点集，A表示图G上各路段节点间的邻接权重矩阵，
[0013][0014]其中，dist
i,j
表示节点(i,j)间地理路段距离，link(i,j)表示节点(i,j)间路段连通性。
[0015]进一步的，所述步骤S2包括：
[0016]S2.1：利用考虑到源域和目标域城市具有不同路网结构，即源域和目标域排放关联因素图结构数据输入特征空间是异构的，分别设计源域和目标域的谱图卷积网络提取外部关联因素与路网排放映射的中间特征，所采用的谱图卷积操作记作，
[0017][0018][0019]其中，表示图G的归一化拉普拉斯度矩阵，θ是网络权重参数；
[0020]S2.2：对源域和目标域中间层的输出特征和通过非对称特征转换将其映射到源域特征空间，采用的非线性特征转换记作，
[0021][0022][0023]其中，F
s
和F
t
分别是源域和目标域非线性转换激活函数，W
s
，b
s
和W
t
，b
t
分别是源域和目标域的权重向量和偏置向量。
[0024]进一步的，所述步骤S3包括：
[0025]S3.1：在源域特征空间内进行最大均值差异域适应特征匹配，从而实现目标域路网排放关联因素特征迁移对齐；对源域和目标域路网排放关联因素特征分布差异进行衡量：
[0026][0027]其中，N是样本集大小，T是样本集时间步长，C是卷积核通道数，M是源域节点和目标域节点的曼哈顿距离权重向量矩阵，记作
[0028][0029]最终网络的整体优化损失函数如下，
[0030][0031]其中，f(*)表示源域排放清单图卷积网络预测误差损失，用于计算源域外部因素特征与目标域外部因素映射到源域特征空间后的数据特征分布的最大均值差异域适应损失，T
t
是特征转换矩阵将目标域特征映射到源域特征空间，损失函数第三项是对参数的正则化惩罚项；求解优化上述参数后，对于任意目标城市的无标记多源外部因素数据x
t
，得到目标域城市排放清单如下，
[0032]y
t
＝f
t
(x
t
；θ
t
)。
[0033]另一方面，本专利技术还公开一种跨地域排放模型迁移系统，包括以下单元，
[0034]标签样本对构建模块，用于根据源域城市路网拓扑结构以及多源外部因素和清单排放标签数据，构建源域排放关联因素图序列标签样本对；
[0035]特征映射构建单元，用于设计深度异构图卷积网络提取不同区域路网排放与外部因素的相互关联关系，构建外部因素与路网排放深层特征映射；
[0036]路网排放共性特征空间建立单元，用于设计非对称域适应特征转换机制，缩小源域和目标域外部关联因素分布差异，建立路网排放共性特征空间，实现跨地域排放模型迁移。
[0037]又一方面，本专利技术还公开一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上述方法的步骤。
[0038]再一方面，本专利技术还公开一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上方法的步骤。
[0039]由上述技术方案可知，本专利技术的跨地域排放模型迁移方法、系统、存储介质及设备，通过构建不同城市多源外部因素与移动源排放的深层特征映射关系，生成源域和目标域城市路网排放共性特征空间，实现不同城市间移动源排放模型的迁移应用。
[0040]本专利技术通过设计基于谱图卷积的异构图网络，学习不同区域多源外部环境因素与路网排放非线性映射关系，生成排放关联因素深层特征表示空间；采用域适应特征迁移学习方法，缩小源域与目标域之间多源外部因素特征分布差异，实现跨地域路网移动源排放模型迁移构建。与已有方法相比，本方法有望解决跨域路网排放影响因素分布差异和可获取清单样本标签稀疏的问题。
附图说明
[0041]图1为本专利技术基于深度路网异构图特征迁移的跨地域排放清单构建流程图；
[0042]图2为路网排放清单迁移构建实例：(a)合肥市排放清单；(b)芜湖市排放清单。
具体实施方式
[0043]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种跨地域排放模型迁移方法，其特征在于，通过计算机设备执行以下步骤，S1：根据源域城市路网拓扑结构以及多源外部因素和清单排放标签数据，构建源域排放关联因素图序列标签样本对；S2：设计深度异构图卷积网络提取不同区域路网排放与外部因素的相互关联关系，构建外部因素与路网排放深层特征映射；S3：设计非对称域适应特征转换机制，缩小源域和目标域外部关联因素分布差异，建立路网排放共性特征空间，实现跨地域排放模型迁移。2.根据权利要求1所述的跨地域排放模型迁移方法，其特征在于：所述步骤S1包括：S1.1：利用源域城市丰富的多源外部因素包括气象环境、路网交通、兴趣点分布和清单排放标签数据根据源域城市路网拓扑结构构建源域排放关联因素图序列标签样本对{x
s
，y
s
}，同样将目标域城市的外部因素数据按目标城市的路网结构构建相应关联因素图序列{x
t
}；S1.2：构建源域城市和目标域城市的关联因素图序列，分别记作G
s
＝(V
s
，A
s
)，G
t
＝(V
t
，A
t
)，其中V是构建给定城市路网排放清单的区域路段有限顶点集，A表示图G上各路段节点间的邻接权重矩阵，其中，dist
i，j
表示节点(i，j)间地理路段距离，link(i，j)表示节点(i，j)间路段连通性。3.根据权利要求2所述的跨地域排放模型迁移方法，其特征在于：所述步骤S2包括：S2.1：利用考虑到源域和目标域城市具有不同路网结构，即源域和目标域排放关联因素图结构数据输入特征空间是异构的，分别设计源域和目标域的谱图卷积网络提取外部关联因素与路网排放映射的中间特征，所采用的谱图卷积操作记作，放映射的中间特征，所采用的谱图卷积操作记作，其中，表示图G的归一化拉普拉斯度矩阵，θ是网络权重参数；S2.2：对源域和目标域中间层的输出特征和通过非对称特征转换将其映射到源域特征空间，采用的非线性特征转换记作，到源域特征空间，采用的非线性特征转换记作，其中，F
s
和F
...

【专利技术属性】
技术研发人员：许镇义，康宇，曹洋，
申请(专利权)人：合肥综合性国家科学中心人工智能研究院安徽省人工智能实验室，
类型：发明
国别省市：