[发明专利]一种基于多尺度Faster R-CNN模型的大气雾霾预测方法

说明书

一种基于多尺度Faster R‑CNN模型的大气雾霾预测方法。1)利用静止卫星和极轨卫星接收云图数据，并对含有雾霾的图像进行区域的边界确定；2)利用同质滤波算法对步骤1中采集到的卫星云图进行去雾处理从而突出云图中含有的特征，接着上传至MYSQL中的训练数据集中；3)利用多尺度Faster R‑CNN模型对步骤2中得到的图像进行雾霾边缘特征检测，直至达到训练的收敛条件，此时认为模型训练结束；4)将步骤1～步骤3训练得到的多尺度Faster R‑CNN模型在线应用，实现对大气雾霾的准确预报；5)将此次的卫星云图上传至MYSQL中的纠错数据集中，当纠错集中的图像数量超过设定的阈值100时，则对模型进行训练更新。本发明能精准有效的对雾霾进行预报，具有良好的实际应用价值。

技术领域

本发明涉及大气雾霾预报领域，特别是涉及一种基于多尺度Faster R- CNN模型的大气雾霾预测方法。

背景技术

雾霾天气主要是发展方式粗放、产业结构和能源结构不尽合理造成的，其根 源还在化石能源，一个是烧煤，一个是燃油，另外发展方式比较粗放，排放了大 量的污染物。雾霾灾害，是大气长期污染造成的结果，如何治理大气污染，是全 人类面临急需解决的问题之一。

从目前来看，不同领域的研究者们开始对雾霾成因、雾霾影响、雾霾治理 等方面进行了分析研究，取得了一系列的研究成果，其中对雾霾预测也取得了 较大的进展，这保障了人们日常的出行安全，同时也保障了正常的工业生产。 然而雾霾受多种因素影响，同时具有非线性等特征，现有的雾霾预测方法的准 确度和自适应性还需提高，因此针对以上问题进行研究具有非常重要的现实意 义。

国内涉及对大气雾霾进行预测的中国专利“基于大气稳定度的大范围雾霾的 预报方法及系统”CN201811210935.7，公开号CN109459801A，公开日 20190312，该专利中通过收集预报地的雾霾实况数据、周围天气实况数据、周 围天气预测信息、秋末到冬初季节历史PM2.5浓度观测数据和雾霾过程数据以 及秋末到冬初季节历史天气条件数据，建立预报地的雾霾事件模型，从而对雾 霾天气进行预测，但该专利中未考虑到采集数据的波动性，使得该方法的适用 性可能不足。中国专利″PM2.5污染监测与预测方法″CN202010171044.6，公 开号CN111289414A，公开日20200616，该专利首先将过去的一段时间根据设 定的时间间隔划分成各个时间节点，接着获取监测站点在所述过去的一段时间内各个时间点内所测量的多个空气污染物的浓度值和PM2.5的浓度值，同时获 取所述监测站点在当前时刻所测量的多个空气污染物的浓度值，然后使用线性 回归模型对当前时刻PM2.5的浓度进行预测，当所预测的PM2.5的浓度大于设 定的PM2.5阀值时，通过报警器报警，同样的该专利中未考虑到采集数据的波 动性，使得该方法的适用性可能不足，同时模型不支持更新升级，从而对模型 的泛化性能产生一定的限制。

发明内容

为解决上述问题，本发明在同质滤波去雾算法和Faster R-CNN模型的基础 上，提出了一种基于多尺度Faster R-CNN模型的大气雾霾预测方法。考虑到恶 劣环境下卫星所拍摄的云图不清晰的问题，本专利在同质滤波的基础上对滤波 函数进行改进，从而简化了计算过程并增强了滤波效果；接着采用了目标检测 性能优越的Faster R-CNN模型，并针对模型中的损失函数进行改进，即在其中 添加了正则项，防止了模型的过拟合同时加快了模型的收敛；最后在模型在线 应用时支持模型的更新升级，从而提高了模型的泛化性能，实现了对大气雾霾 的精准预报。为达此目的，本发明提供一种基于多尺度Faster R-CNN模型的大 气雾霾预测方法，具体步骤如下，其特征在于：

步骤1，获取卫星云图：利用静止卫星和极轨卫星接收云图数据，并对合 有雾霾的图像进行区域的边界确定以制作相应的训练样本；

步骤2，图像去雾增强：利用同质滤波算法对步骤1中采集到的卫星云图 进行去雾处理从而突出云图中含有的特征，接着上传至MYSQL中的训练数据集 中；