[发明专利]空气污染物浓度时空域关联预测方法

摘要

本发明涉及一种空气污染物浓度时空域关联预测方法，包括：步骤S1：以PM2.5为样例的目标污染物预测，构建基于残差网络和卷积LSTM网络预测模型；步骤S2：从环境监测数据中选择合适的训练和测试数据，完成对预测模型的初始化；步骤S3：对预测模型逐阶段进行训练，得到能够对PM2.5进行精确预测的神经网路预测模型；步骤S4：利用验证集选择模型的超参数(层数、节点数、学习率)，直至模型最优；步骤S5：利用验证后的预测模型进行城市PM2.5预测。与现有技术相比，本发明使用卷积LSTM网络为中间层，实现对底层ResNet网络提取到的空间特征进行深层次时空关联特征提取，从而提升网络模型的预测性能，使用全连接层接收卷积LSTM的隐藏状态，产生最终的预测结果。

主权项

1.一种空气污染物浓度时空域关联预测方法，其特征在于，包括：步骤S1：根据环境监测各类污染物浓度和气象因子的数据及时空分布特点，以PM2.5为样例的目标污染物预测，构建基于残差网络和卷积LSTM网络的预测模型；步骤S2：从环境监测数据中选择合适的训练和测试数据，完成对预测模型的初始化；步骤S3：对预测模型逐阶段进行训练，得到能够对PM2.5进行精确预测的神经网路预测模型；步骤S4：利用验证集选择模型的超参数，直至模型最优；步骤S5：利用验证后的预测模型进行城市PM2.5预测。