[发明专利]一种基于数据挖掘的空气质量预测方法及系统在审
| 申请号： | 201910872580.6 | 申请日： | 2019-09-16 |
| 公开（公告）号： | CN110610209A | 公开（公告）日： | 2019-12-24 |
| 发明（设计）人： | 张锦南;王靖涵;郭玉;郝宏宇;唐宇;谭泽斌;万艺航;袁学光;张霞;左勇;乔敏;曹洋华;艾玲美;陈昊 | 申请（专利权）人： | 北京邮电大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/08;G06Q10/04;G06Q10/06;G06Q50/26;G01N33/00 |
| 代理公司： | 44486 深圳智趣知识产权代理事务所(普通合伙) | 代理人： | 王策;邵萌 |
| 地址： | 100876 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于数据挖掘的空气质量预测方法及系统，系统用于实现基于数据挖掘的空气质量预测方法。方法包括获取风速级别、细颗粒物污染数值以及本地污染物污染数值，并将上述三个信息作为输入参量；对输入参量做标准化处理；将经过所述标准化处理的输入参量输入至BP神经网络模型中，对空气质量进行预测。其中，所述本地污染物根据预测地区的主要污染物类型进行选择。所述BP神经网络模型为由输入层、隐含层和输出层组成的三层设计，所述隐含层的节点数为5、6或者7。本发明的网络模型结构简单、计算资源耗费低、能够实现准确预测，同时还具有收敛速度快、网络泛化能力强的特点。 | ||
| 搜索关键词： | 输入参量 预测 标准化处理 数据挖掘 隐含层 污染物 污染物类型 风速级别 计算资源 三层设计 网络模型 细颗粒物 节点数 能力强 输出层 输入层 污染 收敛 网络 | ||
【主权项】：
1.一种基于数据挖掘的空气质量预测方法，其特征在于，该方法具体包括如下步骤：/n步骤1、获取风速级别、细颗粒物污染数值以及本地污染物污染数值，并将上述三个信息作为输入参量；/n步骤2、对所述风速级别、所述细颗粒物污染数值以及所述本地污染物污染数值做标准化处理；/n步骤3、将经过所述标准化处理的三个输入参量输入至BP神经网络模型中，对空气质量进行预测；/n其中，所述本地污染物根据预测地区的主要污染物类型进行选择；/n所述步骤3中的所述BP神经网络模型为由输入层、隐含层和输出层组成的三层设计，所述隐含层的节点数为5、6或者7；/n所述BP神经网络模型是预先训练好的。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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北京邮电大学，未经北京邮电大学许可，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/patent/201910872580.6/，转载请声明来源钻瓜专利网。
- 上一篇：一种主动安全增量数据训练方法
- 下一篇：一种多目标检测方法
