欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024117977972
申请人: 云南大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于峰值感知和影响因子分析的臭氧浓度预报方法,其特征在于,包括以下步骤:S1、通过网络数据收集的方式获取云南地区多年的污染物及其气象监测数据,并对污染物及其气象监测数据进行异常值处理、空值填充、数据归一化和数据集划分,构建支持深度学习的云南地区污染物及气象资料大数据库;

S2、采用基于影响因子分析和峰值感知优化的Transformer模型对云南地区污染物及气象资料大数据库中的历史观测数据集进行训练,建立历史气象、污染物与未来臭氧的云南地区臭氧预报模型,并基于大数据深度学习,通过峰值感知和影响因子分析的方法,优化云南地区臭氧预报模型,并输出n-主控因子;

S3、以优化后的云南地区臭氧预报模型在验证集的评估结果作为评估深度学习模型好坏的指标,进行臭氧浓度评估;评估的指标包括MSE、MAE和R2,选取评价指标表达式如下:Metric=(MSE+MAE)/2-R2;

选取验证集上Metric最低的为最优模型,并用于快速精准地预报;其中MSE为均方误差,MAE为绝对误差,R2为决定系数;

上述S2中,基于大数据深度学习,通过峰值感知和影响因子分析的方法,优化云南地区臭氧预报模型具体如下:S2.1、采用基于影响因子分析的Transformer模型对历史数据集进行训练,利用十数年的气象及大气污染物监测数据以及并ECMWF气象预报产品提供的数值模拟数据作为神经网络模型的输入,预报的臭氧浓度作为输出,分别建立小时尺度和日尺度的云南地区臭氧预报模型;并输出感知分数,选取最大的n个感知分数,取其对应的影响因子为n-主控因子;

S2.2、同时应用峰值感知方法,分别在日尺度预报和小时尺度预报结果,利用寻峰算法找到对应峰值,具体包含:PeakIndex=PeakDetection(Target)

其中Target为预测臭氧浓度的真实值,Target∈RB×L‘,PeakIndex为峰值的索引,PeakIndex∈{1,2,3,...,L‘};PeakDetection为峰值寻找算法,这里为Automaticmultiscale-based peak detection(AMPD)算法;

计算峰值感知损失函数,并进行梯度回传

Losspeak=MSELoss(TargetPeakIndex,FinalOutPeakIndex)其中TargetPeakIndex,表示由Targeti构成的数列,其中i∈PeakIndex;同理FinalOutPeakIndex,表示由FinalOuti构成的数列,其中i∈PeakIndex;

LossMSE=MSELoss(Target,FinalOut)

Losstotal=LossMSE+αLosspeak

式中α取1;

然后在对应的峰值处加大对模型的惩罚程度,使模型更好地感知峰值都时间和相应的浓度大小,提高对臭氧峰值预报效果,实现云南地区未来臭氧重污染过程的快速精准预报;即可完成对云南地区臭氧预报模型的优化。

2.根据权利要求1所述的一种基于峰值感知和影响因子分析的臭氧浓度预报方法,其特征在于,S1中,建立云南地区污染物及气象资料大数据库具体如下:通过网络数据下载,将云南地区2015年至今的六种常规监测污染物(O3、CO、SO2、NO2、PM2.5、PM10)连续在线观测数据和气象观测数据并结合ECMWF气象预报产品提供边界层高度,辐射,海平面气压,垂直风速的小时尺度气象数值模拟数据进行收集整理,构建臭氧与气象、其他污染物的长时间跨度历史数据集;并对数据集进行数据异常值处理、空值填充、数据归一化和数据集划分,使其满足深度学习所需要的数据格式,建立用于支撑深度学习的云南地区污染物及气象资料大数据库;

在项目执行期气象及污染物观测数据进行持续性的入库数据整理,实现大数据库的动态更新。

3.根据权利要求2所述的一种基于峰值感知和影响因子分析的臭氧浓度预报方法,其特征在于,所述的数据异常值处理、空值填充、数据归一化和数据集划分具体如下:数据异常值处理:设备损坏异常原因导致监测数据偏大或者设备不灵敏,导致一段时间内监测数据连续为0,对常规监测污染物数据和气象数据中的这一部分数据内容进行剔除;

空值填充:由于观测设备或者观测条件原因,导致观测数据不连续的现象明显,因此对缺失值的补充至关重要,本项目采用的数据补全方式为基于不同时间尺度的统计值插值的补全方式:Vij=|Vmonthij+Vweekdayij+Vhourij-2×Vyearij|式中,Vij为污染物i在缺失时间j时的填充值,Vmonthij为污染物i在缺失时间j所在月份的污染物浓度均值,Vweekdayij为污染物i在缺失时间j所在星期的污染物浓度均值,Vyeayij为污染物i在缺失时间j所在年份的污染物浓度均值;

数据归一化:数据的归一化有利于提高训练的稳定性和模型训练的收敛速度,本项目采用的是正态分布归一化方法,具体为对数据的特征属性减去均值,除以方差;转化为均值为0,方差为1的标准正态分布:x=(x-μ)/σ

式中,μ为数据均值,σ为数据方差,通过记录训练集上的均值和方差,对训练集进行标准化之后,在后续测试使用模型时,对测试数据使用训练集上的方差和均值标准化测试集;

数据集划分:采用的数据为从2015年开始,云南地区监测网络中的百余个地面观测站点开始进行O3,NO2,CO,SO2,PM2.5,PM10逐小时连续观测数据;选取近一年的数据作为测试集进行模型能力的评估,其他数据按照年份按照4:1的数据量分别划分为训练集和验证集;其中训练集用于训练模型参数,验证集用于挑选最佳训练轮数的模型。

4.根据权利要求1所述的一种基于峰值感知和影响因子分析的臭氧浓度预报方法,其特征在于,所述气象数据集包括温度、风速、风向、总云量、相对湿度、大气压、边界层高度、辐射、海平面气压和垂直风速。