[发明专利]一种网格化监测的空气质量预测方法

权利要求书

1.一种网格化监测的空气质量预测方法，其特征在于包括以下步骤：

1)获取空气质量网格化监测区域内各个监测站采集的K个时刻内历史空气中污染物浓度数据；

2)将历史空气中污染物浓度数据转换成时间序列并归一化；

3)利用各个监测站的经纬度信息和监测站之间的最大影响距离获取空气质量网格化监测区域中监测站的空间关联拓扑图并归一化；

4)将归一化后的每组空气中污染物浓度的时间序列的前n个时刻数据和归一化后的空间关联拓扑图即邻接矩阵输入至预测模型中，每组时间序列中从第n+1到第n+k时刻的各个监测站历史空气中污染物浓度数据作为预测模型的期望输出，对预测模型进行训练；k为需要预测的时间长度；

5)获取需要预测的时间段中第一个时刻的前n个时刻的空气中污染物浓度数据，转换成时间序列并归一化，将归一化后的时间序列和归一化后的空间关联拓扑图输入至训练好的预测模型中，通过逆归一化处理得到需要预测时刻的污染物浓度。

2.根据权利要求1所述的一种网格化监测的空气质量预测方法，其特征在于：所述将历史空气中污染物浓度数据转换成时间序列，具体如下：

将每个时刻的N个监测站的空气中污染物浓度数据聚合成一个N×1的矩阵X_i，i表示第i个时刻；

然后再将所有时刻的空气中污染物浓度数据X₁...X_i...X_M按照每若干个时刻为一组构成空气中污染物浓度的时间序列，M表示按照上述N个监测站聚合成一个矩阵的方式将所有输入数据聚合后产生的矩阵个数，M＝L*(n+k)；其中前n个时刻的数据为特征数据作为模型训练时的输入，从n+1到n+k个时刻的数据为标签作为模型训练时的期望输出用来调整预测模型，最终得出时间序列的维度为(L，n+k，N)，其中L表示空气中污染物浓度序列个数。

3.根据权利要求1所述的一种网格化监测的空气质量预测方法，其特征在于：所述利用各个监测站的经纬度信息和监测站之间的最大影响距离获取空气质量网格化监测区域内监测站的空间关联拓扑图，具体如下：

首先，根据空气质量网格化监测区域中每两个监测站之间的距离构建一个N×N的距离矩阵V；V的各距离元素d通过下式得到：

其中，d代表两个监测站之间的地表距离，R代表地球的半径，分别表示两个监测站纬度的弧度值，γ表示两个监测站之间的经度差值的弧度值，辅助函数haversin(θ)＝sin²(θ/2)，θ表示由以地心为圆心的监测站点的经纬度转换而成的弧度值。

然后，根据设定的监测站之间的最大影响距离来调整距离矩阵V：将距离矩阵中超过最大影响距离的距离元素d值调整为0，得到监测站的邻接矩阵A；

最后，再通过在邻接矩阵中添加自环，得到调整后的邻接矩阵A′；其中A′＝A+I，I为N×N的单位矩阵。

4.根据权利要求1所述的一种网格化监测的空气质量预测方法，其特征在于：空间关联拓扑图即邻接矩阵的归一化具体如下：

根据邻接矩阵A′获取A′的度矩阵D；

通过下式完成空间关联拓扑图的对称归一化

其中，为对称归一化后的空间关联拓扑图即邻接矩阵。