客运站环境温度预测方法及装置与流程

技术特征：
1.一种客运站环境温度预测方法，其特征在于，包括：接收与当前时间对应的采集数据；其中，所述采集数据为环境传感器采集的湿度值、二氧化碳值、pm2.5值、以及pm10值；将当前时间对应的湿度值、二氧化碳值、pm2.5值、以及pm10值中的一项或多项数值作为输入数据输入至预设的第一lstm模型进行预测，得到环境特征变量预测结果；其中，所述环境特征变量预测结果为与所述输入数据对应的预测结果；与所述输入数据对应的预测结果包括：预设未来时间的湿度值，和/或，二氧化碳值，和/或，pm2.5值，和/或，pm10值；所述预设的第一lstm模型为采用湿度值、二氧化碳值、pm2.5值、以及pm10值中的一项或多项样本数值作为输入数据，以及，与所述样本数值对应的环境特征变量预测结果作为输出数据，基于机器学习算法训练得到的；将所述环境特征变量预测结果输入至预设的lightgbm模型，得到相应的温度预测值；其中，所述预设的lightgbm模型为采用环境特征变量预测结果样本数值作为输入数据，以及，与所述样本数值对应的温度预测值作为输出数据，基于机器学习算法训练得到的。2.根据权利要求1所述的客运站环境温度预测方法，其特征在于，所述预设的第一lstm模型为采用湿度值、二氧化碳值、pm2.5值、以及pm10值中的一项或多项样本数值作为输入数据，以及，与所述样本数值对应的环境特征变量预测结果作为输出数据，基于机器学习算法训练得到的，包括：将所述样本数值整理成长短期记忆神经网络lstm需要的三维结构(trainx,seqlen,dim_in)；其中，第一维度trainx表示对应的所述样本数值，第二维度seqlen表示所述样本数值所采集的序列数据，第三维度dim_in表示所述样本数值对应的特征维度；基于所述三维结构(trainx,seqlen,dim_in)将所述样本数值划分训练集和测试集，然后基于机器学习算法训练。3.根据权利要求1所述的客运站环境温度预测方法，其特征在于，还包括：获取与所述当前时间对应的未来预设时间段内环境传感器采集的温度值集合；基于所述温度值集合采用均方根误差公式对所述预设的lightgbm模型输出的与所述样本数值对应的温度预测值进行校对优化。4.根据权利要求1所述的客运站环境温度预测方法，其特征在于，还包括：将当前时间对应的湿度值、二氧化碳值、pm2.5值、以及pm10值中的一项或多项数值作为输入数据输入至预设的第二lstm模型进行预测，得到与所述输入数据对应的温度预测值；其中，所述预设的第二lstm模型为采用湿度值、二氧化碳值、pm2.5值、以及pm10值中的一项或多项样本数值作为输入数据，以及，与所述样本数值对应的温度预测值作为输出数据，基于机器学习算法训练得到的。5.根据权利要求4所述的客运站环境温度预测方法，其特征在于，还包括：基于所述预设的lightgbm模型输出的温度预测值，和所述预设的第二lstm模型输出的温度预测值进行对比分析，确定温度预测值结果。6.一种客运站环境温度预测装置，其特征在于，包括：接收模块，用于接收与当前时间对应的采集数据；其中，所述采集数据为环境传感器采集的湿度值、二氧化碳值、pm2.5值、以及pm10值；环境特征变量预测模块，用于将当前时间对应的湿度值、二氧化碳值、pm2.5值、以及
pm10值中的一项或多项数值作为输入数据输入至预设的第一lstm模型进行预测，得到环境特征变量预测结果；其中，所述环境特征变量预测结果为与所述输入数据对应的预测结果；与所述输入数据对应的预测结果包括：预设未来时间的湿度值，和/或，二氧化碳值，和/或，pm2.5值，和/或，pm10值；所述预设的第一lstm模型为采用湿度值、二氧化碳值、pm2.5值、以及pm10值中的一项或多项样本数值作为输入数据，以及，与所述样本数值对应的环境特征变量预测结果作为输出数据，基于机器学习算法训练得到的；温度值预测模块，用于将所述环境特征变量预测结果输入至预设的lightgbm模型，得到相应的温度预测值；其中，所述预设的lightgbm模型为采用环境特征变量预测结果样本数值作为输入数据，以及，与所述样本数值对应的温度预测值作为输出数据，基于机器学习算法训练得到的。7.根据权利要求6所述的客运站环境温度预测装置，其特征在于，所述预设的第一lstm模型为采用湿度值、二氧化碳值、pm2.5值、以及pm10值中的一项或多项样本数值作为输入数据，以及，与所述样本数值对应的环境特征变量预测结果作为输出数据，基于机器学习算法训练得到的，用于：将所述样本数值整理成长短期记忆神经网络lstm需要的三维结构(trainx,seqlen,dim_in)；其中，第一维度trainx表示对应的所述样本数值，第二维度seqlen表示所述样本数值所采集的序列数据，第三维度dim_in表示所述样本数值对应的特征维度；基于所述三维结构(trainx,seqlen,dim_in)将所述样本数值划分训练集和测试集，然后基于机器学习算法训练。8.根据权利要求6所述的客运站环境温度预测装置，其特征在于，还包括：获取模块，用于获取与所述当前时间对应的未来预设时间段内环境传感器采集的温度值集合；调优模块，用于基于所述温度值集合采用均方根误差公式对所述预设的lightgbm模型输出的与所述样本数值对应的温度预测值进行校对优化。9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1～5任一项所述的客运站环境温度预测方法。10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1～5任一项所述的客运站环境温度预测方法。

技术总结
本发明提供了一种客运站环境温度预测方法及装置，包括：接收与当前时间对应的采集数据；基于所述采集数据采用预设的第一LSTM模型进行预测，得到环境特征变量预测结果；基于所述环境特征变量预测结果采用预设的LightGBM模型，得到相应的温度预测值。本发明利用LSTM模型和LightGBM模型进行未来时间的温度值预测，能够减少温度预测值与未来温度真实值的误差，从而提高了未来温度值的预测准确率，进而辅助客运站工作人员进行提前决策，如提前设定合适的空调温度值与通风量大小，达到节能减排的目的。的目的。的目的。


技术研发人员：张亚伟 陈瑞凤 方凯 姜利 杨国元 吕晓军 李超 杨栋 徐春婕
受保护的技术使用者：中国铁道科学研究院集团有限公司
技术研发日：2021.07.14
技术公布日：2021/11/4