[发明专利]一种基于数据分解与深度学习的煤炭港口空气质量预测方法

权利要求书

1.一种基于数据分解与深度学习的煤炭港口空气质量预测方法，其特征在于，所述的煤炭港口空气质量预测方法包括以下步骤：

步骤1、获取煤炭港口空气质量数据、气象数据、生产作业数据，对数据进行缺失值补全、异常值处理等操作，分别得到空气质量数据序列、气象数据和生产作业数据；

步骤2、基于步骤1所获取的空气质量数据序列，采用CEEMDAN-VMD分解算法将空气质量数据序列分解为一组本征模态函数IMF分量，即空气质量子序列；采用CEEMDAN-VMD分解算法的步骤如下：

(1)采用CEEMDAN算法对步骤1得到的原始空气质量数据序列进行分解，得到若干个IMF分量；

(2)计算每个IMF分量的排列熵，并将所有分量按照排列熵从大到小排序；

(3)采用灰狼优化算法GWO优化分解数量和惩罚因子参数的VMD算法分解排列熵最高的分量，得到若干个IMF分量；

(4)将CEEMDAN分解得到的除排列熵最高的分量外的其他分量按照排列熵大小均分为两组，分别进行重组，得到一个中频IMF分量和一个低频IMF分量；

(5)将步骤(3)VMD分解得到的若干分量和步骤(4)CEEMDAN分解后重组得到的一个中频分量和一个低频分量整理为一组IMF分量，准备进行训练和预测；

步骤3、基于步骤1得到的气象数据和生产作业数据，以及步骤2得到的一组IMF分量，将数据分割为训练集、验证集和测试集；

步骤4、分别为每一个IMF分量构建Seq2Seq模型，使用训练数据对Seq2Seq模型进行训练；

步骤5、将训练好的模型在测试集上进行测试；

步骤6、将各IMF分量的预测结果重组得到最终的预测结果，从而实现煤炭港口空气质量的预测。

2.根据权利要求1所述的一种基于数据分解与深度学习的煤炭港口空气质量预测方法，其特征在于，所述的步骤1中：

所述的煤炭港口的空气质量数据主要指PM10浓度数据；气象数据主要包括风向，风速，总云，低云，温度，相对湿度，气压；生产作业数据主要包括煤炭堆场中煤炭的堆存量，堆料机、取料机、以及堆取料机的作业效率，装船机的作业效率。