[发明专利]一种针对目标路段的机动车尾气浓度连续时间预测方法

摘要

本发明公开了一种针对目标路段的机动车尾气浓度连续时间预测方法，通过构造eRCNN神经网络模型，以包含连续路段时空尾气浓度数据的矩阵作为网络的输入，用卷积层自然地捕获附近路段之间的尾气浓度的复杂交互性，而无需详细的表征，同时引入误差反馈循环层来感知污染物浓度突然变动引起的预测误差，此外还极大程度上利用、整合了历史观测数据之间的关系，提高了预测精度与效率，同时具有较强的泛化能力，具有一定的社会价值和现实意义。

主权项

一种针对目标路段的机动车尾气浓度连续时间预测方法，其特征在于，具体包括以下步骤：步骤S1，采集城市目标路段附近指定周期内的机动车尾气浓度数据；步骤S2，对步骤S1所采集的机动车尾气浓度数据进行数据预处理。步骤S3，构造eRCNN神经网络模型；步骤S4，根据步骤S2预处理后的机动车尾气浓度数据，构造eRCNN神经网络的训练数据集和测试数据集；步骤S5，将步骤S4中的训练数据集送入步骤S3中构造的eRCNN神经网络模型中，进行参数训练、预训练以及微调，逐步提高预测精度。步骤S6，将经过步骤S5中训练、测试后的eRCNN神经网络作为针对目标路段的机动车尾气浓度连续时间预测模型，经过模型对输入数据的自主学习，预测出目标路段的机动车尾气浓度的发展趋势以及未来某时刻的尾气浓度值。