基于机器学习的三维时空网格空气质量预测方法及系统

专利主权项内容

1.基于机器学习的三维时空网格空气质量预测方法，其特征在于，包括以下步骤：获取不同高度的气象数据和源排放清单数据，并对气象数据进行预处理，根据预处理后的气象数据和源排放清单数据构建三维时空网格数据集；还同时获取不同来源的监测点数据、光学厚度和臭氧数密度的卫星廓线数据；利用三维时空网格数据集训练机器学习复合模型，其中，先采用随机森林算法训练臭氧数密度模型和光学厚度模型，并根据训练后的模型进行预测，将预测结果和实测值填充到三维时空网格数据集，再利用填充后的数据集通过随机森林、交叉网络或深度神经网络算法训练大气污染物模型，得到机器学习复合模型；构建三维时空网格数据集的具体步骤包括：将气象数据集标准化，标准化后的数据集的时间列包含训练时段与预测时段；然后将气象数据集与源排放清单数据集合并，从而将源排放清单数据融入三维时空网格数据集，最后将光学厚度和臭氧数密度的卫星遥感垂直廓线数据也融入三维时空网格数据集中；比较机器学习复合模型的预测值和实测值，并根据比较结果对机器学习复合模型进行修正，具体步骤包括：计算当前时间大气污染物的实测值与预测值的比值；在未来时间段内填充计算得到的比值的插值，根据比值结果动态修正大气污染物的预测值；根据不同高度上空气的相对湿度变化使用相对湿度指数衰减公式对大气污染物的预测值进行二次动态修正；利用机器学习复合模型对待测区域的空气质量进行预测，并通过情景模拟评估本地排放贡献与减排效果。