[发明专利]一种空气数据补全方法、装置、设备及存储介质

说明书

本发明公开了一种空气数据补全方法、装置、设备及存储介质，所述方法包括如下步骤：采集原始时序数据，所述原始时序数据包括未缺失时刻点数据和缺失时刻点数据；对所述原始时序数据进行预处理；构建生成对抗网络，所述生成对抗网络包括生成器和判别器，所述生成器包括编码器和解码器；对所述生成对抗网络进行训练，得到空气数据补全模型；通过所述空气数据补全模型对原始时序数据进行补全。本发明通过采用改进的ILSTM单元和生成对抗网络，能够有效的捕捉时序数据的时序因子，而生成对抗网络则能够精确补全缺失数据。通过此方法能够实现空气质量数据的高精度补全，以满足公众对于及时、准确的空气质量浓度监测数据的需求。

技术领域

本发明涉及数据处理技术领域，具体涉及一种空气数据补全方法、装置、设备及存储介质。

背景技术

在常规的空气质量监测过程中，监测站点位置的监测仪器进行监测仪器校零、校标等日常维护行为，或出现仪器故障、通信故障、停电等情况时，可能导致一些点位出现监测数据缺失现象，此时会导致实时发布的数据中，一些站点有数据缺失现象，而空气质量监测数据的缺失会影响公众对所需区域内的空气质量数据的获取，以及用这些数据做一些后续处理操作。目前，国内关于空气质量数据补全的研究不是很多。公开号为CN103514366A的专利公开了一种城市空气质量浓度监测缺失数据的修复方法，采用人工神经网络来构造空气质量数据的预测模型，并利用其他站点的偏差信息预测出故障站点的空气质量数据，但是这种方法对于缺失数据的补全仍然不够精确。

发明内容

因此，本发明要解决的技术问题在于克服现有技术中的上述缺陷，从而提供一种空气数据补全方法、装置、设备及存储介质。

本发明提供了一种空气数据补全方法，包括如下步骤：

S1：采集原始时序数据x_raw，所述原始时序数据x_raw包括未缺失时刻点数据和缺失时刻点数据；

S2：对所述原始时序数据x_raw进行预处理；

S3：构建生成对抗网络，所述生成对抗网络包括生成器和判别器，所述生成器包括编码器和解码器；

S4：对所述生成对抗网络进行训练，得到空气数据补全模型；

S5：通过所述空气数据补全模型对原始时序数据x_raw进行补全，得到补全后的空气数据。

进一步地，步骤S2具体包括如下步骤：

S21：计算原始时序数据x_raw中未缺失时刻点数据的均值与标准差；

S22：用未缺失时刻点数据与所述均值的差值除以所述标准差，得到标准化时序数据；

S23：获取采集每个原始时序数据x_raw的时刻点，得到时间标签向量t，对应每个时刻点判断数据是否存在，存在标记为1，缺失标记为0，以此构建掩模矩阵m，根据时间标签向量t和掩模矩阵m，计算数据缺失的时间间隔，以此构建间隔矩阵δ；

S24：对原始时序数据x_raw中的缺失时刻点的数据进行补0处理，与标准化时序数据构成空位补零时序数据x。

进一步地，步骤S4具体包括如下步骤：

S41：将空位补零时序数据x和间隔矩阵δ输入编码器，得到低维特征表达向量z；将低维特征表达向量z输入解码器，得到重构时序数据；