[发明专利]基于图卷积网络的环境数据的格点处理方法

说明书

本发明涉及数据处理领域，涉及一种基于图卷积网络的环境数据的格点处理方法；所述方法包括获取目标区域内的空气质量监测数据和气象监测数据；对所有监测数据进行缺失处理，并将站点的监测数据映射到目标区域所划分的格点矩阵内；使用风向数据和风速数据生成动态风场图，并使用迪杰斯特拉算法计算出风场邻接矩阵；根据空气质量浓度数据构建出每个时刻的掩码矩阵，根据风场邻接矩阵、掩码矩阵和气象监测数据构建出每个时刻的特征向量集合Z；根据掩码矩阵和空气质量浓度数据生成每个时刻的目标矩阵Y；将特征向量集合Z矩阵输入到训练完成的图卷积神经网络模型，得到目标矩阵的估计矩阵P。本发明能提高环境数据格点化的精度。

技术领域

本发明涉及数据处理领域，特别涉及一种基于图卷积网络的环境数据的格点处理方法。

背景技术

近年来，环境污染问题引起人们重视，自动环境监测站点密度也随之大大提高，并且在大力发展智能网格预报技术背景下和人类生产活动对于基于位置的空气质量服务要求下，将监测站点空间分辨率不规则、分布离散的监测数据生成规则的格点资料具有重要的社会服务和业务应用价值。

常用的将站点数据进行格点处理的方法有客观分析、遥感反演、资料同化、统计插值、克里插值、张量补全等方法，但是现有的技术都是对单一的环境数据进行处理，没有考虑其他因素对目标数据的影响，导致格点化效果不理想。

发明内容

针对上述技术中存在的不足之处，本发明提供一种基于图卷积网络的环境数据的格点处理方法，本发明将气象监测数据用于环境数据的网格化，利用神经网络强大的拟合能力，拟合气象数据对于空气质量数据的影响和格点化过程中的空气质量数据的变化规律，从而提高环境数据格点化的精度。

本发明的一种基于图卷积网络的环境数据的格点处理方法包括如下步骤：

S1：获取目标区域内N个空气质量监测站点的空气质量监测数据和M个气象监测站点的气象监测数据；所述空气质量监测数据包括空气质量浓度数据，所述气象监测数据包括湿度、温度、风向和风速数据；

S2：对所有监测数据的缺失部分进行预处理，并根据监测站点坐标将对应站点的监测数据映射到目标区域按尺度所划分的格点矩阵内；

S3：使用格点矩阵内的气象监测数据中的风向数据和风速数据生成动态风场图，并使用迪杰斯特拉算法计算出风场邻接矩阵；

S4：根据格点矩阵内的空气质量浓度数据构建出每个时刻的掩码矩阵，根据风场邻接矩阵、掩码矩阵和气象监测数据构建出每个时刻的特征向量集合Z；

S5：根据所述掩码矩阵和所述空气质量浓度数据生成每个时刻的目标矩阵Y；

S6：将所述特征向量集合Z矩阵输入到训练完成的图卷积神经网络模型，得到目标矩阵的估计矩阵P。

本发明提供的一种基于图卷积网络的环境数据的格点处理方法，具有如下有益效果：

1、本发明将风速数据和风向数据转化为动态风场矩阵，再根据动态风场矩阵求出风场邻接矩阵，最后把邻接矩阵输入到模型中，利用神经网络模型能够学习到风场对空气质量的影响映射关系，从而提高空气质量数据格点化精度；

2、本发明将基于谱的GCN层加入到图卷积神经网络模型中，在训练过程中，能够对影响网格化精度的不利因素进行过滤，使格点处理的效果更佳精确；

3、本发明利用随机置零后的掩码矩阵对目标矩阵进行随机初始化，增加了模型的鲁棒性，模型对空气质量的格点化效果更加稳定；

4、本发明在将环境质量数据格点化时，用当前时间结点前F个结点给当前节点提供信息，使格点化效果分布更合理；

5、本发明还充分考虑了温度、湿度对空气质量的影响，格点化效果更加精确。

附图说明