[发明专利]融合领域知识的污染物浓度预测方法及其相关设备

说明书

本发明公开了一种融合领域知识的污染物浓度预测方法，其中，该方法包括：获取节点的有向图，其中，有向图包括节点信息以及节点之间的有向边，有向边用于表示节点之间的关系数据，将节点信息和关系数据输入至图神经网络GNN模型，获取节点当前时刻污染物浓度值和节点未来时刻污染物浓度值，将节点当前时刻污染物浓度值、节点未来时刻污染物浓度值和关系数据输入门控循环神经单元GRU，得到节点未来时刻污染物浓度的估计值与预设目标值的损失函数，基于损失函数进行模型训练，并根据训练结果，获取污染物浓度预测值。该方法实现了对污染物浓度的精准预测，提高了污染物浓度预测的精准度。

技术领域

本发明涉及气象预测技术领域，尤其涉及一种融合领域知识的污染物浓度预测方法、装置、计算机设备和计算机可读存储介质。

背景技术

随着工业化的发展，大气中存在许多有可能危害人体健康的污染物，对污染物准确实时预测，有助于政府做出决策，指导工厂建设，有助于工厂排放治理，还有助于提前对重污染物天气预防，帮助个人做出出行规划。

相关技术中，可通过数值式预测对污染物进行预测，其中，数值式预测可理解为通过微分方程建模污染物的传播与化学反应，该方法融合了环境领域最权威的研究成果，领域知识强；可解释性强，是环境领域主流的污染物溯源方法。然而，这种方法只能依赖工厂的污染物排放清单来预测不同污染物的质量浓度，且只适用于对污染事件的仿真模拟和离线模式，因此，如何更好的实现对污染物准确预测成为亟待解决的问题。

发明内容

本申请的目的旨在至少在一定程度上解决上述的技术问题之一。

为此，本申请的第一个目的在于提出一种融合领域知识的污染物浓度预测方法，该方法利用有向图能够有效融合领域知识，且通过图神经网络GNN模型与门控循环神经单元GRU相结合，实现对污染物浓度的精准预测，提高了污染物浓度预测的精准度。

本申请的第二个目的在于提出一种融合领域知识的污染物浓度预测装置。

本申请的第三个目的在于提出一种计算机设备。

本申请的第四个目的在于提出一种计算机可读存储介质。

为达到上述目的，本申请第一方面实施例提出的一种融合领域知识的污染物浓度预测方法，包括：获取节点的有向图，其中，所述有向图包括所述节点信息以及所述节点之间的有向边，所述有向边用于表示所述节点之间的关系数据；将所述节点信息和所述关系数据输入至图神经网络GNN模型，获取所述节点当前时刻污染物浓度值和所述节点未来时刻污染物浓度值；将所述节点当前时刻污染物浓度值、所述节点未来时刻污染物浓度值和所述关系数据输入门控循环神经单元GRU，得到所述节点未来时刻污染物浓度的估计值与预设目标值的损失函数；以及基于所述损失函数进行模型训练，并根据所述训练结果，获取污染物浓度预测值。

根据本申请实施例的融合领域知识的污染物浓度预测方法，可获取节点的有向图，其中，有向图包括节点信息以及节点之间的有向边，有向边用于表示节点之间的关系数据，然后将节点信息和关系数据输入至图神经网络GNN模型，获取节点当前时刻污染物浓度值和节点未来时刻污染物浓度值，之后将节点当前时刻污染物浓度值、节点未来时刻污染物浓度值和关系数据输入门控循环神经单元GRU，得到节点未来时刻污染物浓度的估计值与预设目标值的损失函数，基于损失函数进行模型训练，并根据训练结果，获取污染物浓度预测值。该方法利用有向图能够有效融合领域知识，且通过图神经网络GNN模型与门控循环神经单元GRU相结合，实现对污染物浓度的精准预测，提高了污染物浓度预测的精准度。