基于时序缺失感知和多源因素融合的空气质量集成预测方法
本发明涉及一种基于时序缺失感知和多源因素融合的空气质量集成预测方法,属于空气质量预测技术领域,包括S1:对影响空气质量的气象因素、社会经济因素和AQI进行采集、预处理,建立时序和具有多源因素的数据集;S2:构建AD_LSTM模型,通过子空间分解和时间衰减函数构建数据缺失感知单元,解决历史空气质量指数AQI时序数据中的数据缺失问题,建立AQI随时间变化的波动趋势;S3:构建BPNN模型,建立气象因素/社会经济因素与AQI的映射关系;S4:利用协同注意力集成AD_LSTM模型和BPNN模型并训练;S5:利用训练好的集成模型,采用历史空气质量的变化趋势、气象因素、社会经济因素对空气质量进行综合研判。
《基于时序缺失感知和多源因素融合的空气质量集成预测方法》是一发明专利,专利号为 2022105631940,当前法律状态为已下证,由重庆邮电大学提出申请,发明人为刘歆;马艺超;钱鹰;朱红军;杜红力;温道洲,申请日期为2022-05-19,公开(公告)日期为2024-06-14,国际专利分类号(IPC)为 G06Q 10/04 (2023.01)。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明涉及一种基于时序缺失感知和多源因素融合的空气质量集成预测方法,属于空气质量预测技术领域,包括S1:对影响空气质量的气象因素、社会经济因素和AQI进行采集、预处理,建立时序和具有多源因素的数据集;S2:构建AD_LSTM模型,通过子空间分解和时间衰减函数构建数据缺失感知单元,解决历史空气质量指数AQI时序数据中的数据缺失问题,建立AQI随时间变化的波动趋势;S3:构建BPNN模型,建立气象因素/社会经济因素与AQI的映射关系;S4:利用协同注意力集成AD_LSTM模型和BPNN模型并训练;S5:利用训练好的集成模型,采用历史空气质量的变化趋势、气象因素、社会经济因素对空气质量进行综合研判。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
