PM2.5预测方法、系统、装置及存储介质与流程

技术特征：
1.一种pm2.5预测方法，其特征在于，包括：获取污染物数据及环境特征因子；利用预先建立的污染预测模型对所述污染物数据及所述环境特征因子进行检测，得到污染预测报告；其中，所述污染预测模型的训练过程包括：预先利用样本污染物数据及样本环境特征因子对多个模型进行训练得到多个原始预测模型；对多个原始预测模型进行评估筛选，得到最优预测模型；对所述最优预测模型进行迭代优化，得到所述污染预测模型。2.根据权利要求1所述的pm2.5预测方法，其特征在于，所述获取污染物数据及环境特征因子的过程，包括：获取原始污染物数据及原始环境特征因子；对所述原始污染物数据及所述原始环境特征因子中缺测数据进行插值处理，得到所述污染预测模型能够评估的所述污染物数据及所述环境特征因子。3.根据权利要求2所述的pm2.5预测方法，其特征在于，所述对所述原始污染物数据及所述原始环境特征因子中缺测数据进行插值处理，得到所述污染预测模型能够评估的所述污染物数据及所述环境特征因子的过程，包括：对所述原始污染物数据及所述原始环境特征因子中缺测的连续数据进行插值处理，得到第一插值污染物数据及第一插值环境特征因子；对所述原始环境特征因子中非连续值的类别数据利用onehot方法处理，得到第二插值环境特征因子；综合所述第一插值污染物数据、所述第一插值环境特征因子及所述第二插值环境特征因子，得到所述污染预测模型能够评估的所述污染物数据及所述环境特征因子。4.根据权利要求3所述的pm2.5预测方法，其特征在于，所述综合所述第一插值污染物数据、所述第一插值环境特征因子及所述第二插值环境特征因子，得到所述污染预测模型能够评估的所述污染物数据及所述环境特征因子的过程，包括：综合所述第一插值污染物数据、所述第一插值环境特征因子及所述第二插值环境特征因子，，得到数据清洗后的清洗污染物数据及清洗环境特征因子；对所述清洗污染物数据及所述清洗环境特征因子进行数据缩放，得到所述污染预测模型能够评估的所述污染物数据及所述环境特征因子。5.根据权利要求1至4任一项所述的pm2.5预测方法，其特征在于，所述污染物数据，包括no
x
、no2、so2和o3；所述环境特征因子，包括蒸发量和/或气温和/或相对湿度和/或风速和/或风向和/或气压和/或降雨量和/或太阳辐射和/或能见度和/或大气边界层高度和/或气溶胶光学厚度和/或季节和/或月份和/或交通密度。6.根据权利要求1至4任一项所述的pm2.5预测方法，其特征在于，所述对多个原始预测模型进行评估筛选，得到最优预测模型的过程，包括：利用rmse与r2评价指标，对多个原始预测模型进行评估筛选，得到最优预测模型。7.根据权利要求6所述的pm2.5预测方法，其特征在于，所述对所述最优预测模型进行
迭代优化，得到所述污染预测模型的过程，包括：利用gridsearchcv方法对所述最优预测模型进行迭代优化，得到所述污染预测模型。8.一种pm2.5预测系统，其特征在于，包括：污染数据获取模块，用于获取污染物数据及环境特征因子；污染检测模块，用于利用预先建立的污染预测模型对所述污染物数据及所述环境特征因子进行检测，得到污染预测报告；其中，所述污染预测模型的训练过程包括：预先利用样本污染物数据及样本环境特征因子对多个模型进行训练得到多个原始预测模型；对多个原始预测模型进行评估筛选，得到最优预测模型；对所述最优预测模型进行迭代优化，得到所述污染预测模型。9.一种pm2.5预测装置，其特征在于，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序以实现如权利要求1至7任一项所述的pm2.5预测方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的pm2.5预测方法。

技术总结
本申请公开了一种PM2.5预测方法、系统、装置及计算机可读存储介质，包括：获取污染物数据及环境特征因子；利用预先建立的污染预测模型对污染物数据及环境特征因子进行检测，得到污染预测报告；其中，污染预测模型的训练过程包括：利用样本污染物数据及样本环境特征因子对多个模型进行训练得到多个原始预测模型；对多个原始预测模型进行筛选，得到最优预测模型；对最优预测模型进行优化，得到污染预测模型。本申请利用机器学习算法和大数据构建污染预测模型，使得污染预测模型能够结合大数据深度挖掘影响污染物浓度的各因子之间内在的数据关系，建立起能够更为准确的反应空气污染物浓度与影响因子之间复杂机制的预测模型，提高了污染预测的准确度。了污染预测的准确度。了污染预测的准确度。


技术研发人员：黄青蓝 黄红娟 陈磊 毛佳 赵婵娟
受保护的技术使用者：江苏蓝创智能科技股份有限公司
技术研发日：2021.07.27
技术公布日：2021/10/23