[发明专利]一种城市区域尾气污染预测方法

权利要求书

1.一种城市区域尾气污染预测方法，其特征在于，包括：

利用历史尾气时空分布图序列数据和外部环境特征数据，创建训练样本集；

利用训练样本集对深度时空图卷积网络模型进行训练，得到深度时空图卷积网络预测模型；

基于深度时空图卷积网络预测模型，利用当前时刻t的外部环境特征数据和t-1时刻前的历史尾气时空分布图序列数据，对t时刻的区域尾气排放量进行预测。

2.如权利要求1所述的城市区域尾气污染预测方法，其特征在于，所述利用历史尾气时空分布图序列数据和外部环境特征数据，创建训练样本集，包括：

基于城市地理信息对历史尾气监测数据进行栅格化处理，得到历史尾气时空分布图序列数据；

根据历史尾气时空分布图序列数据的周期间隔p、趋势间隔s、临近图序列长度lc、周期图序列长度lp和趋势图序列长度ls，构建临近观测图序列、周期观测图序列和趋势观测图序列；

根据临近观测图序列、周期观测图序列、趋势观测图序列以及历史尾气时空分布图序列数据和外部环境特征数据，创建所述训练样本集。

3.如权利要求2所述的城市区域尾气污染预测方法，其特征在于，所述基于城市地理信息对历史尾气监测数据和外部环境特征数据进行栅格化处理，得到历史尾气时空分布图序列数据，包括：

根据道路连通性，计算划分栅格间连通权重的邻接矩阵；

将栅格化接点按照道路连通性构建成所述历史尾气时空分布图序列数据G＝(V,ε,W)，其中，V是N个栅格区域组成的有限顶点集，ε是边的集合，W表示图G的邻接权重矩阵，每个顶点v_i∈V包含地理位置信息以及尾气排放时间序列。

4.如权利要求3所述的城市区域尾气污染预测方法，其特征在于，所述历史尾气时空分布图序列数据{X(1)，X(2)，…，X(T-1)}的一个观测数据为在时间t的图信号其中，表示顶点v_i的C种尾气污染物，N表示栅格数目；

所述根据历史尾气时空分布图序列数据的周期间隔p、趋势间隔s、临近图序列长度lc、周期图序列长度lp和趋势图序列长度ls，构建临近观测图序列、周期观测图序列和趋势观测图序列，包括：

根据所述临近图序列长度lc，构建临近观测图序列HC＝{X(t-lc)，X(t-lc+1)，…，X(t-1)}；

根据所述周期间隔p和周期图序列长度lp，构建周期观测图序列HP＝{X(t-lp*p)，X(t-lp*p+p)，…，X(t-p)}；

根据所述趋势间隔s和趋势图序列长度ls，构建趋势观测图序列HS＝{X(t-ls)，X(t-ls*s+s)，…，X(t-s)}，*表示乘号。

5.如权利要求4所述的城市区域尾气污染预测方法，其特征在于，所述根据临近观测图序列、周期观测图序列、趋势观测图序列以及历史尾气时空分布图序列数据和外部环境特征数据，创建所述训练样本集，包括：

将临近观测图序列、周期观测图序列和趋势观测图序列拼接为序列HM＝{HC,HP,HS}；

根据序列HM、历史尾气时空分布图序列数据和外部环境特征数据，创建所述训练样本集D＝{HM,E(t),X(t)}，E(t)表示t时刻的外部环境特征数据，X(t)表示t时刻的尾气分布。

6.如权利要求5所述的城市区域尾气污染预测方法，其特征在于，所述深度时空图卷积网络模型包括时序卷积单元和空间图卷积层，所述时序卷积单元的输入为所述序列HM，其输出作为空间图卷积层的输入；

空间图卷积层输出连接有第一全连接层作为时空图卷积单元的最终输出，空间图卷积层输出图卷积核权重矩阵；

空间图卷积层输出还堆叠一个自编码器和一个第二全连接层，自编码器用于学习有用的外部环境特征，第二全连接层用于将不同维度的外部环境特征映射到和预测序列X(t)相同维度的特征空间。