[发明专利]区域空气污染物浓度预测方法、终端及可读存储介质

权利要求书

1.一种区域空气污染物浓度预测方法，其特征在于，所述方法包括：

根据待预测的区域当前时间对应季节所有监测点的监测污染物浓度数据集计算得到日平均历史污染物浓度数据集；

确定待预测的区域当前时间对应季节的日历史气象数据集；

对日历史气象数据集进行预处理；

将日平均历史污染物浓度数据集和预处理后的日历史气象数据集作为样本数据集，利用随机森林模型进行训练，其中，随机森林模型包括有多棵决策树，每棵决策树使用多层前馈神经网络实现；

确定当前时间当天预测的未来预设天数的预测气象数据；

对预测气象数据进行预处理；

根据预处理后的预测气象数据、当前时间当天监测的污染物浓度数据，利用训练好的随机森林模型预测待预测区域的未来预设天数的污染物浓度数据。

2.根据权利要求1所述的方法，其特征在于，所述根据待预测的区域当前时间对应季节所有监测点的监测污染物浓度数据集计算得到日平均历史污染物浓度数据集，包括：

获取待预测的区域当前时间对应季节所有监测点的监测污染物浓度数据集；

对每天内多个时间点获取的数据进行处理得到多个时间点对应的污染物浓度数据，将多个时间点对应的污染物浓度数据进行平均得到日平均历史污染物浓度数据，重复计算以获得待预测的区域当前时间对应季节所有日期的日平均历史污染物浓度数据集。

3.根据权利要求2所述的方法，其特征在于，对一个时间点获取的数据进行处理得到该时间点对应的污染物浓度数据，包括：

对一个时间点对应的所有监测点的监测污染物浓度数据的异常值进行处理；

对所述待预测的区域进行网格化得到多个网格单元；

利用插值算法计算多个网格单元对应网格区域的污染物浓度数据；

计算多个网格单元对应网格区域的污染物浓度数据的平均值，得到所述待预测的区域当前时间点对应的污染物浓度数据。

4.根据权利要求1所述的方法，其特征在于，所述对日历史气象数据集进行预处理，包括：

采用相关系数法对日历史气象数据集对应的特征属性进行过滤；

根据归一化处理公式对过滤后的日历史气象数据集进行归一化处理，其中，归一化处理公式为：Y*＝0.1+0.8*(Yi-Ymin)/(Ymax-Ymin)，其中，Yi表示第i个特征属性的值，Ymax表示所述特征属性对应的最大值，Ymin表示所述特征属性对应的最小值，Y*表示所述特征属性归一化后的值。