空气污染物浓度预报方法及系统

摘要

本发明公开了一种空气污染物浓度预报方法，包括：确定出多个待定模型，设置每个待定模型的输出层的节点个数为m；从所述历史浓度数据中提取出训练数据集和验证数据集；对各待定模型进行训练直至待定模型收敛；将最小的综合误差对应的待定模型确定为预报模型；将所述预报数据集输入至所述预报模型，将所述预报模型的输出结果作为预报时延为r的预报结果。该空气污染物浓度预报方法基于STDL模型进行空气污染物浓度的预报，可以提取空气污染物浓度数据中隐含的时空相关性，并同步得到多监测站点的预报数据，预报精度高；也可以改善在极端空气污染物浓度预报上的精度。

主权项

一种空气污染物浓度预报方法，其特征在于，包括：将输入层的节点个数的多个待选值、栈式自编码器的层数的多个待选值、栈式自编码器的每层的节点个数的多个待选值进行组合确定出多个待定模型，设置每个待定模型的输出层的节点个数为m；其中，输入层的节点个数是输出层的节点个数m的n倍，n为时间步参数；根据时间步参数n的多个待选值和指定的预报时延r，获取来自m个监测站点的空气污染物的多组历史浓度数据，从所述历史浓度数据中提取出训练数据集和验证数据集；使用所述训练数据集对各待定模型进行训练直至待定模型收敛，记录训练完成的各待定模型相应的模型权重矩阵和模型偏置向量；将所述验证数据集中用于输入的数据输入至训练完成的各待定模型，计算各待定模型的输出结果与所述验证数据集中用于验证的数据的综合误差，将最小的综合误差对应的待定模型确定为预报模型，其中，所述预报模型的时间步参数的值为n^r；将来自m个监测站点、时间步参数为n^r的空气污染物浓度的观测数据组成预报数据集，将所述预报数据集输入至所述预报模型，将所述预报模型的输出结果作为预报时延为r的预报结果。