[发明专利]能见度预警模型构建方法、系统、计算机及可读存储介质

权利要求书

1.一种能见度预警模型构建方法，其特征在于，所述方法包括：

获取历史能见度数据、气象要素数据以及污染物浓度数据，并根据所述历史能见度数据、所述气象要素数据以及所述污染物浓度数据生成对应的样本数据集；

将所述样本数据集输入至预设LSTM神经网络模型中，并确定出与所述预设LSTM神经网络模型对应的目标激活函数；

通过所述目标激活函数对所述预设LSTM神经网络模型输出的权重矩阵进行非线性化处理，以使所述目标激活函数输出若干对应的训练值，并通过预设损失函数对若干所述训练值进行反向迭代传播训练，以使所述预设LSTM神经网络模型实时输出对应的理论能见度值；

判断所述理论能见度值与所述历史能见度数据对应的实际能见度值之间的差值是否最小且维持预设时间；

若判断到所述理论能见度值与所述历史能见度数据对应的实际能见度值之间的差值最小且维持预设时间，则完成对所述预设LSTM神经网络模型的训练，并将训练完成的LSTM神经网络模型设定为能见度预警模型；

所述通过所述目标激活函数对所述预设LSTM神经网络模型输出的权重矩阵进行非线性化处理，以使所述目标激活函数输出若干对应的训练值的步骤包括：

当获取到所述样本数据集时，识别出所述样本数据集中包含的能见度数值、气象数值以及污染物浓度数值，并将所述能见度数值、所述气象数值以及所述污染物浓度数值分别输入至所述预设LSTM神经网络模型中的若干矩阵单元中，并对若干所述矩阵单元分别施加若干对应的权重，以使所述预设LSTM神经网络模型输出若干所述权重矩阵，若干所述权重之和为1；

将若干所述权重矩阵输入所述目标激活函数中，并通过所述目标激活函数中的非线性单元对若干所述权重矩阵进行非线性化处理，以使所述目标激活函数输出若干所述训练值。

2.根据权利要求1所述的能见度预警模型构建方法，其特征在于：所述根据所述历史能见度数据、所述气象要素数据以及所述污染物浓度数据生成对应的样本数据集的步骤包括：

通过离差标准化算法对所述历史能见度数据、所述气象要素数据以及所述污染物浓度数据进行标准化处理，以生成对应的标准能见度数据、标准气象数据以及标准污染物数据，并将所述标准能见度数据、所述标准气象数据以及所述标准污染物数据调整至预设处理区间内，所述预设处理区间的范围为0至1；

基于预设规则在所述预设处理区间中对所述标准能见度数据、所述标准气象数据以及所述标准污染物数据进行数据组合处理，以生成若干对应的数据子集，并对若干所述数据子集进行整合处理，以生成所述样本数据集；

其中，所述离差标准化算法的表达式为：

其中，MIN(x)表示序列数据所有样本里的最小值，MAX(x)表示序列数据所有样本中的最大值，x表示样本。

3.根据权利要求1所述的能见度预警模型构建方法，其特征在于：所述预设LSTM神经网络模型包括遗忘门、输入门以及输出门，所述对若干所述矩阵单元分别施加若干对应的权重，以使所述预设LSTM神经网络模型输出若干所述权重矩阵的步骤包括：

当获取到若干所述矩阵单元时，通过所述输入门将若干所述矩阵单元输入至所述遗忘门中，并通过所述遗忘门对若干所述矩阵单元赋予不同的记忆值；

基于预设算法根据所述记忆值计算出若干所述矩阵单元分别对应的若干基础权重参数，并将若干所述基础权重参数分别融合至对应的矩阵单元中，以生成对应的目标矩阵单元；

通过所述目标矩阵单元输出对应的权重矩阵，并使所述输出门对应输出所述权重矩阵。

4.根据权利要求1所述的能见度预警模型构建方法，其特征在于：所述通过预设损失函数对若干所述训练值进行反向迭代传播训练，以使所述预设LSTM神经网络模型实时输出对应的理论能见度值的步骤之前，所述方法还包括：

逐一识别出所述预设LSTM神经网络模型包含的若干训练层，并检测出每一所述训练层中包含的若干网络节点；

对每一所述网络节点均设置对应的预设舍弃权重，以根据所述预设舍弃权重在所述目标激活函数输出的若干训练值中筛选出对应的目标训练值。