[发明专利]用于产生用于预测污染物浓度的神经网络的训练数据的计算机辅助的方法

权利要求书

1.一种用于产生用于神经网络的训练数据的计算机辅助的方法，其中，所述神经网络被构造用于从至少一个污染物排放量中确定污染物浓度，其特征在于以下步骤：

-提供污染物浓度的至少一个测量序列，所述测量序列具有至少一个高于规定的阈值的测量值；

-提供针对与所测量的污染物浓度相关联的物理测量参量、特别是温度、风速和/或交通强度的至少一个测量序列；

-提供模型，其中，所述模型对所述测量参量与所述污染物排放量之间的关系进行建模；

-借助所述模型计算污染物排放量的第一值E₀，其中为此使用与所提供的所测量的污染物浓度的值C₀相关联的、测量参量的至少一个测量值；

-借助所述模型计算污染物排放量的第二值E₁，其中，为此在数值上改变用于计算污染物排放量的第一值E₀的、测量参量的测量值；和

-通过所提供的所测量的污染物浓度的测量序列的值C₀的改变ΔC来产生合成的测量序列作为训练数据，其中，借助所计算的污染物排放量的值的相对改变ΔE/E₀进行所述改变ΔC。

2.根据权利要求1所述的计算机辅助的方法，其特征在于，所提供的污染物浓度的测量序列的至少一个值C₀的改变ΔC附加地借助污染物浓度中的由交通引起的份额α来进行。

3.根据权利要求2所述的计算机辅助的方法，其特征在于，借助ΔC/C₀＝αΔE/E₀进行所提供的污染物浓度的测量序列的至少一个值C₀的改变ΔC。

4.根据权利要求2或3所述的计算机辅助的方法，其特征在于，使用0.3至0.5范围内的由交通引起的份额α。

5.根据上述权利要求中任一项所述的计算机辅助的方法，其特征在于，使用氮氧化物浓度作为污染物浓度，并且使用氮氧化物排放量作为污染物排放量。

6.根据上述权利要求中任一项所述的计算机辅助的方法，其特征在于，使用温度、风速和/或交通强度作为物理测量参量。

7.根据上述权利要求中任一项所述的计算机辅助的方法，其特征在于，所述污染物浓度的测量序列和所述测量参量的测量序列借助城市内的测量站来采集。

8.根据上述权利要求中任一项所述的计算机辅助的方法，其特征在于，使用基于域的模型作为所述模型。

9.一种用于训练神经网络的计算机辅助的方法，其中，所述神经网络被构造用于从至少一个污染物排放量中确定污染物浓度，其特征在于，为了训练所述神经网络，使用根据上述权利要求中任一项产生的训练数据组。

10.一种用于借助神经网络和借助模型来确定污染物浓度的计算机辅助的方法，其中，所述神经网络被构造用于从至少一个污染物排放量中确定污染物浓度并且根据权利要求8进行训练，其中，所述模型对物理测量参量、尤其是温度、风速和/或交通强度与所述污染物排放量之间的关系进行建模，其特征在于以下步骤：

-借助所述模型计算污染物排放量的值，其中为此使用所述测量参量的至少一个测量值；和

-借助所述神经网络从所计算的污染物排放量的值中确定污染物浓度。