[发明专利]实景日历控件生成方法、装置、电子设备、存储介质及实景日历

说明书

本申请提供一种实景日历控件生成方法、装置、电子设备、存储介质及实景日历，其特征在于，所述实景日历控件的生成方法为：数据初始化及数据请求；解析返回数据，所述返回数据包括当前城市实景图片url、空气质量预测数据和空气质量实测数据；加载实景图片，实景图片加载空气质量预测数据和空气质量实测数据；展示首要污染物、城市实景图片，以及以不同颜色区分展示污染级别。本申请将空气质量实景图和自定义日历控件结合的方式显示，空气质量实景图和日历融为一体，更容易看出空气质量实景的变化趋势，每日的图片上可以叠加空气质量预报结果，对月度空气质量预报结果进行对比，满足了对空气质量预报和实测情况对比的需求。

技术领域

本发明涉及数据处理技术领域，尤其是一种实景日历控件生成方法、装置、电子设备、存储介质及实景日历。

背景技术

现有技术是以日历和实景图分离的形式来展示空气质量实景图的，显示效果不够直接简洁清晰，当想逐天查看整月数据对比情况时，无法对比出差异；现有技术一般是通过空气质量实景图列表的方式进行展示，用户可视范围内图片较少，而且很难看出视觉范围外的日期图片对比情况，不能直观感受到变化的空气质量实景的趋势，并且没有叠加空气质量预报数据，和空气质量观测数据。

同时，国内外的空气质量预测模型主要采用经典的回归统计模型和数值预报模型，由于回归统计预报方法比较简便、经济，因此我国的空气质量预测主要借助于统计模型；人工神经网络作为一种不同于回归模型的非线性智能统计模型也被应用到空气质量预测当中，但以往基于人工神经网络的空气质量预测方法将所有气象因子和主要污染物浓度因子作为网络输入，随着输入因子数量的增加，训练样本大幅度增加，网络训练模型大，同时易受到不相关因子的干扰，导致网络模型性能下降。

发明内容

为解决上述技术问题，本发明提出一种实景日历控件生成方法，其特征在于，包括：

数据初始化及数据请求，将当前城市和当前日期发送至服务器，请求获取城市实景图片、空气质量预测数据和空气质量实测数据；

解析返回数据，所述返回数据包括当前城市实景图片url、空气质量预测数据和空气质量实测数据；

加载实景图片，加载城市实景图片、空气质量预测数据和空气质量实测数据到所述实景日历控件对应视图中；

展示首要污染物、城市实景图片，以及以不同颜色区分展示污染级别。

进一步地，所述空气质量预测数据通过空气质量预测网络模型预测获得，所述空气质量预测数据通过以下方法获得：

获取历史数据和当日数据，所述历史数据包括气象因子历史数据和主要污染物浓度因子历史数据，所述气象因子历史数据为当前城市过去五年每日的日均气压、日均气温、日均相对湿度、日均总云量、日均低云量、日均风速、日日照时间、日降水量、日平均风速；所述主要污染物浓度因子历史数据为当前城市过去五年每日的日均细颗粒物(PM2.5)浓度、日均可吸入颗粒物(PM10) 浓度、日均二氧化硫(SO2) 浓度、日均二氧化氮(NO2) 浓度、日均臭氧(O3) 浓度、日均一氧化碳(CO) 浓度；所述当日数据包括气象因子当日数据和主要污染物浓度因子当日数据，所述气象因子当日数据包括当前城市当日的日均气压、日均气温、日均相对湿度、日均总云量、日均低云量、日均风速、日日照时间、日降水量、日平均风速；所述主要污染物浓度因子当日数据为当前城市当日的日均细颗粒物(PM2.5)浓度、日均可吸入颗粒物(PM10) 浓度、日均二氧化硫(SO2) 浓度、日均二氧化氮(NO2) 浓度、日均臭氧(O3) 浓度、日均一氧化碳(CO) 浓度；

将所述当前城市的历史数据作为预测网络模型的样本输入，训练预测网络模型；

将预测因子集当日数据输入所述预测模型网络，预测主要污染物浓度；所述主要污染物浓度包括细颗粒物(PM2.5)浓度、可吸入颗粒物(PM10) 浓度、二氧化硫(SO2) 浓度、二氧化氮(NO2) 浓度、臭氧(O3) 浓度、一氧化碳(CO) 浓度；

根据预测的主要污染物浓度计算所述空气质量预测数据。