[发明专利]基于时空卷积网络的机动车尾气遥测数据的多重补全方法

权利要求书

1.一种基于时空卷积网络的机动车尾气遥测数据的多重补全方法，其特征在于，包括：

步骤S1：获取检测区域路网遥测点拓扑结构信息和路网中遥测设备遥测的机动车尾气排放浓度多重缺失数据，并进行处理，分别构建空间路网的拓扑结构图数据和机动车尾气排放浓度时间序列数据；

步骤S2：将所述空间路网的拓扑结构图数据和机动车尾气排放浓度时间序列数据输入到时空图卷积网络进行补全，具体包括下述步骤；

步骤S21：将所述空间路网的拓扑结构图数据，输入所述自注意力机制时空图卷积网络，得到所述空间路网的自注意力时空图卷积的时空特征权重，具体包括：

步骤S211：将所述空间路网拓扑结构图G＝(V,E,A)由图变换到谱域以实现图卷积，使用卷积核g_θ对图G进行卷积操作即为空间图卷积，采用切比雪夫多项式近似展开得到空间图卷积结果H，其数学表达式如公式(1)所示：

其中，*_G表示卷积操作，为k，k∈K时的K阶切比雪夫多项式系数；x表示输入图G的权重邻接矩阵A；λ_max表示矩阵A的拉普拉斯矩阵的最大特征值，I_N为矩阵A的单位矩阵，且图G的拉普拉斯矩阵规范化形式切比雪夫多项式的递归定义：T_k(x)＝2xT_k-1(x)-T_k-2(x)，其中，T₀(x)＝1，T₁(x)＝x；

步骤S212：将所述空间图卷积结果H，使用自注意力机制方法，根据下述公式(2)计算自注意力机制赋予所述空间图卷积结果的权重系数α，并计算得到自注意力时间特征结果H_Att＝α·H；

其中，H_i,j表示H的第i个遥测设备遥测的第j个值，h为机动车遥测尾气排放时间序列数据集中的采集的小时数，d为采集的天数，w采集的周数；

步骤S213：将所述注意力时间特征结果H_Att，经过至少一层的时间卷积神经网络计算，输出得到时空特征结果为其中包含的元素

步骤S22：将所述自注意力时空图卷积的时空特征权重和所述机动车尾气排放浓度时间序列缺失数据输入到改进型最近邻算法中，得到最终完整的机动车尾气排放浓度时间序列数据，具体包括：

步骤S221：对于含有缺失值的尾气排放数据集以及所述时空特征结果给定改进型最近邻参数k，将T、和k输入所述改进型最近邻算法；

步骤S222：以T中的缺失值x_i,j为中心，其中i∈N,j∈(h+d+w)，构造根结点，所述根结点对应于包含缺失尾气排放数据T的的N×(h+d+w)空间的超矩形区域；将所述时空特征结果中的距离数据表中数值从小到大排序得到排序数组Array，从所述数组Array中按序依次取出k个值，并将k个值取出的时空特征结果h_i,j与对应的机动车尾气排放数据x_i,j，根据下述公式(3)，进行求和取平均得到所在位置的尾气排放浓度的缺失值

步骤S223：重复步骤S222，最终得到缺失值补全过完整的多重缺失值尾气排放数据集

2.根据权利要求1所述的基于时空卷积网络的机动车尾气遥测数据的多重补全方法，其特征在于，所述步骤S1：获取检测区域路网遥测点拓扑结构信息和路网中遥测设备遥测的机动车尾气排放浓度多重缺失数据，并进行处理，分别构建空间路网的拓扑结构图数据和机动车尾气排放浓度时间序列数据，包括：

步骤S11：获取检测区域空间路网遥测点拓扑结构信息，构建空间路网的拓扑结构图数据；

步骤S12：采集路网中遥测设备遥测的机动车尾气排放浓度多重缺失数据，构建多时间周期的尾气浓度排放时间序列输入数据。