[发明专利]一种基于时空深度学习的臭氧浓度分布预测方法和系统

说明书

本发明提供一种基于时空深度学习的臭氧浓度分布预测方法和系统，所述方法包括：获取当前时刻臭氧浓度分布图，并获取待预测时刻的气象数据；通过已训练的基于气象数据的臭氧浓度预测模型，对当前时刻臭氧浓度分布图和待预测时刻的气象数据进行处理，得到待预测时刻的臭氧浓度分布图。通过插值等方法被处理为臭氧浓度分布图序列及气象‑时间序列。使用递归神经网络处理一段时间的历史数据，抽取出臭氧浓度变化的趋势特征。使用卷积神经网络处理一天及一周之前的历史数据，最大程度的利用臭氧的周期性特征。同时，加入预测时刻的气象数据及时间数据作为额外输入，利用气象和时间对于臭氧的影响进一步提高预测准确性。

技术领域

本发明涉及臭氧浓度分析技术领域，更具体地，涉及一种基于时空深度学习的臭氧浓度分布预测方法和系统。

背景技术

臭氧是地球大气中一种微量气体，臭氧(O₃)又称为超氧，是氧气(O₂)的同素异形体，在常温下，它是一种有特殊臭味的淡蓝色气体。它是由于大气中氧分子受太阳辐射分解成氧原子后，氧原子又与周围的氧分子结合而形成的，含有3个氧原子。大气中90％以上的臭氧存在于大气层的上部或平流层，离地面有10～50千米，这才是需要人类保护的大气臭氧层。还有少部分的臭氧分子徘徊在近地面，仍能对阻挡紫外线有一定作用。但是，一些专家发现地面附近大气中的臭氧浓度有快速增高的趋势，就令人感到不妙了。虽然臭氧在平流层起到了保护人类与环境的重要作用，但若其在对流层浓度增加，则会对人体健康产生有害影响。臭氧对眼睛和呼吸道有刺激作用，对肺功能也有影响，较高浓度的臭氧对植物也是有害的。

从臭氧的性质来看，它既可助人又会害人，它既是上天赐与人类的一把保护伞，有时又像是一剂猛烈的毒药。至今，对于臭氧的正面作用以及人类应该采取哪些措施保护臭氧层，人们已达成共识并做了许多工作。但是，对于臭氧层的负面作用，人们虽然已有认识，但至今除了进行大气监测和空气污染预报外，还没有真正切实可行的方法加以解决。

近年来，现代工业飞速发展，车辆保有量不断上升，人们在享受便捷生活的同时，也不得不面对日益严重的空气污染。如果能够做到对于空气污染的分析与预测，则对于空气质量问题的主要来源分析以及严重污染天气预警能够起到重要的作用。目前我国的环境监测站点大多监测PM10、PM2.5、NO₂、O₃、SO₂、CO六种污染物，在不同的地区可能存在不同的主要污染物。如在北京地区，人们长期受PM2.5的困扰，而在南方的部分省份，则O₃的污染比较严重。不同的污染物来源不同，在实际处理中需要分别分析。

O₃由氮氧化物(NOx)和挥发性有机物(VOCs)在光照条件下生成，此反应为可逆反应，在其他气象条件下，O₃可能重新氧化NOx生成NO₂。NOx与VOCs的来源包括工厂、机动车、植被等，这就造成了对于O₃的分析极度复杂化。传统的预测方法往往采用依附于气象数值模式WARF的WARF-CHARM模式。该方法使用气象模式数据、污染源清单等数据作为输入，经过大量的物理化学过程模拟运算，计算出某一片地区的空气污染物浓度分布。这种方法存在一下几个问题：1、求解过程复杂，运算量巨大，即使采用服务器集群也需要3-4小时运行。2、输入污染源清单由于过时等原因往往不准确，这就导致结果的不准确。

发明内容

本发明提供一种克服上述问题或者至少部分地解决上述问题的一种基于时空深度学习的臭氧浓度分布预测方法和系统，解决了现有技术中臭氧浓度预测过程复杂、运算量大，且污染源不准确导致的预测结果不准确的问题。

根据本发明的一个方面，提供一种臭氧浓度分布预测方法，包括：

获取当前时刻臭氧浓度分布图，并获取待预测时刻的气象数据；

通过已训练的臭氧浓度预测模型，对当前时刻臭氧浓度分布图和待预测时刻的气象数据进行处理，得到待预测时刻的臭氧浓度分布图。