[发明专利]用于产生用于预测污染物浓度的神经网络的训练数据的计算机辅助的方法

摘要

本发明涉及一种用于产生用于神经网络的训练数据的计算机辅助的方法，其中神经网络在此被构造用于从至少一个污染物排放量中确定污染物浓度，并且该方法的特征至少在于以下步骤：‑提供污染物浓度的至少一个测量序列，该测量序列具有至少一个高于规定的阈值的测量值；‑提供针对与所测量的污染物浓度相关联的物理测量参量、特别是温度、风速和/或交通强度的至少一个测量序列；‑提供模型，其中该模型对测量参量与污染物排放量之间的关系进行建模；‑借助模型计算污染物排放量的第一值E0，其中为此使用与所提供的所测量的污染物浓度的值E1相关联的、测量参量的至少一个测量值；‑借助模型计算污染物排放量的第二值E0，其中，为此在数值上改变用于计算污染物排放量的第一值E1的、测量参量的测量值；和‑通过所提供的污染物浓度的测量序列的值C0的改变ΔC来产生合成的测量序列作为训练数据，其中，借助所计算的污染物排放量的值的相对改变ΔE/E0进行改变ΔC。此外，本发明还涉及一种用于训练神经网络的计算机辅助的方法以及一种用于借助这样训练的神经网络确定污染物浓度的方法。