基于时空图常微分方程网络的PM2.5浓度预测方法
基本信息
| 申请号 | CN202210603132.8 | 申请日 | - |
| 公开（公告）号 | CN114694767A | 公开（公告）日 | 2022-07-01 |
| 申请公布号 | CN114694767A | 申请公布日 | 2022-07-01 |
| 分类号 | G16C20/20（2019.01）I;G16C20/70（2019.01）I;G06Q10/04（2012.01）I;G06Q50/26（2012.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06F17/13（2006.01）I;G06F17/16（2006.01）I | 分类 | 物理 |
| 发明人 | 陈赓;曾庆田;王超;段华;邵睿;徐先杰;张旭 | 申请（专利权）人 | 山东科技大学 |
| 代理机构 | 青岛智地领创专利代理有限公司 | 代理人 | - |
| 地址 | 266590山东省青岛市黄岛区前湾港路579号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于时空图常微分方程网络的PM2.5浓度预测方法，预测场景是工业园区，属于智能大气感知技术领域，包括如下步骤：在工业园区内设置若干气体监测站，通过各个气体监测站采集园区内PM2.5浓度、空气湿度、风向三种大气数据，并进行数据预处理和相关性分析；根据高斯扩散模型，融合监测站欧氏距离和风向数据构建邻接矩阵；把工业园区中所有气体监测站构建成图的形式；对空气湿度数据进行数据处理；构建时空图常微分方程网络模型；将PM2.5浓度数据、邻接矩阵以及空气湿度数据输入到时空图常微分方程网络进行模型训练。本发明提出的时空图常微分方程网络具有更高的模型训练效率，对PM2.5浓度具有更高的预测精度。 |
