公开(公告)号：CN117370813A

公开(公告)日：2024-01-09

申请号：CN202311313109.6

申请日：2023-10-11

Applicant: 桂林电子科技大学

Inventor： 李建 ,  许睿 ,  沈世铭 ,  吴文杰

IPC: G06F18/22 ,  G06F18/213 ,  G06F18/10 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/26

Abstract: 本发明公开了一种基于K线模式匹配算法的大气污染深度学习预测方法，属于大气环境技术领域。包括预测地区的实验数据进行划分，并对污染物浓度数据进行预处理；生成组合连续的PM2.5浓度变化烛台图；根据每组烛台图中展现出的组合形态特征，构建污染物浓度序列局部组合K线，捕捉K线反转信号，提取相关特征向量，将此特征向量应用于模式相似度函数进行模式匹配，构建基于组合烛台图的模式匹配模型CPM；构建多步PM2.5浓度预测组合测模型并优化训练，利用训练优化后的浓度预测模型对未来不同时间步的PM2.5浓度值进行预测。本发明的方法能够避免突变点预测不准确和多步预测误差迭代的问题，增加大气污染预测的准确性。

公开(公告)号：CN114897791A

公开(公告)日：2022-08-12

申请号：CN202210400036.3

申请日：2022-04-15

Applicant: 桂林电子科技大学

Inventor： 许睿 ,  吴文杰 ,  李建 ,  沈世铭

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/764 ,  G06N3/08 ,  G06N3/04 ,  G06V10/82

Abstract: 本申请公开了一种基于烛台理论的水质预测方法，包括：获取预定区域内多个监测点在预定时间段的水质数据，水质数据包括污染物数据和水文气象数据，监测点包括目标监测点，并根据目标监测点的污染物数据生成烛台图，以及通过特征提取模型对烛台图进行特征提取，以得到水污染特征数据，特征提取模型由卷积神经网络训练得到，再对水污染特征数据、水质数据进行融合处理，以得到时序数据集，最后通过时序预测模型对时序数据集处理，以得到目标监测点在目标时间段的水质预测结果。如此，能够对水污染的变化过程有效分类，从而有效地提升了水污染预测精度。