[发明专利]大气污染扩散的模拟方法、装置、存储介质和电子设备在审
申请号: | 202210493003.8 | 申请日: | 2022-05-07 |
公开(公告)号: | CN115017679A | 公开(公告)日: | 2022-09-06 |
发明(设计)人: | 曾志辉;许文龙;邢军华;陈瑞斌 | 申请(专利权)人: | 深圳中兴智坪科技有限公司 |
主分类号: | G06F30/20 | 分类号: | G06F30/20;G06Q50/26;G01N33/00;G01W1/02 |
代理公司: | 北京友联知识产权代理事务所(普通合伙) 11343 | 代理人: | 王丹玉;汪海屏 |
地址: | 518118 广东省深圳市坪山新区坪*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 大气污染 扩散 模拟 方法 装置 存储 介质 电子设备 | ||
1.一种大气污染扩散的模拟方法,其特征在于,包括:
获取待模拟区域的第一数据集,根据所述第一数据集确定大气污染扩散模型;
获取所述待模拟区域的第二数据集和用户设定的参数;
将所述第二数据集和用户设定的参数输入至所述大气污染扩散模型,以确定大气污染扩散的模拟结果;
其中,所述第一数据集用于指示所述待模拟区域的历史污染数据,所述第二数据集用于指示所述待模拟区域的污染源数据。
2.根据权利要求1所述的大气污染扩散的模拟方法,其特征在于,所述根据所述第一数据集确定大气污染扩散模型,具体包括:
将所述第一数据集输入至第一预设模型中,以确定第三数据集;
根据所述第一数据集和所述第三数据集对第二预设模型进行训练,以确定所述大气污染扩散模型。
3.根据权利要求2所述的大气污染扩散的模拟方法,其特征在于,所述根据所述第一数据集和所述第三数据集对第二预设模型进行训练,以确定所述大气污染扩散模型,具体包括:
确定所述第二预设模型的初始浓度输入数据;
对所述第一数据集进行预处理,确定第一输入数据集和第二输入数据集;
根据所述初始浓度输入数据、所述第一输入数据集、所述第二输入数据集和所述第三数据集确定模型训练数据集;
根据所述模型训练数据集对所述第二预设模型进行训练,以确定所述大气污染扩散模型;
其中,所述第二预设模型包括编码器和解码器,在对所述第二预设模型进行训练时,所述初始浓度输入数据和所述第一输入数据为所述编码器的输入数据,所述第二输入数据集为所述解码器的输入数据,所述第三数据集为所述解码器的输出数据。
4.根据权利要求3所述的大气污染扩散的模拟方法,其特征在于,所述确定所述第二预设模型的初始浓度输入数据,具体包括:
将所述待模拟区域按照预设网格大小划分成多个网格;
根据每个网格的大气污染浓度数据确定所述初始浓度输入数据。
5.根据权利要求3所述的大气污染扩散的模拟方法,其特征在于,所述第一数据集包括所述待模拟区域的地形数据、土地利用数据、风场数据、温度数据、气象数据和污染源监测数据,所述对所述第一数据集进行预处理,确定第一输入数据集和第二输入数据集,具体包括:
通过第三预设模型对所述地形数据和所述土地利用数据进行预处理,以确定所述第一输入数据集;
通过所述第三预设模型对所述风场数据、所述温度数据、所述气象数据和所述污染源监测数据进行预处理,以确定所述第二输入数据集。
6.根据权利要求3所述的大气污染扩散的模拟方法,其特征在于,所述根据所述模型训练数据集对所述第二预设模型进行训练,以确定所述大气污染扩散模型,具体包括:
按照预设比例系数,将所述模型训练数据集划分为训练集、测试集和验证集;
根据所述训练集对所述第二预设模型进行训练,根据所述测试集对所述第二预设模型的训练过程进行评估,根据所述验证集验证所述第二预设模型的训练效果,以确定所述大气污染扩散模型。
7.根据权利要求1所述的大气污染扩散的模拟方法,其特征在于,所述确定大气污染扩散的模拟结果后,所述大气污染扩散的模拟方法还包括:
将所述大气污染扩散的模拟结果转换为可视化效果图。
8.一种大气污染扩散的模拟装置,其特征在于,包括:
获取模块,用于获取待模拟区域的第一数据集;
第一处理模块,用于根据所述第一数据集确定大气污染扩散模型;
所述获取模块还用于获取所述待模拟区域的第二数据集和用户设定的参数;
第二处理模块,用于将所述第二数据集和用户设定的参数输入至所述大气污染扩散模型,以确定大气污染扩散的模拟结果;
其中,所述第一数据集用于指示所述待模拟区域的历史污染数据,所述第二数据集用于指示所述待模拟区域的污染源数据。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳中兴智坪科技有限公司,未经深圳中兴智坪科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210493003.8/1.html,转载请声明来源钻瓜专利网。