公开(公告)号：CN115330082A

公开(公告)日：2022-11-11

申请号：CN202211114196.8

申请日：2022-09-14

Applicant: 重庆邮电大学

Inventor： 胡峰 ,  陈政 ,  张晓霞

IPC: G06Q10/04 ,  G06Q50/26 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于空气污染物预测领域，具体涉及一种基于注意力机制的LSTM网络的PM2.5浓度预测方法；该方法包括：以PM2.5为预测的目标污染物构建PM2.5浓度预测模型；采用环境监测的PM2.5浓度数据、其他污染物浓度数据以及气象因子数据对PM2.5浓度预测模型进行训练；获取第一时间段的PM2.5浓度数据以及第二时间段的其他污染物数据和气象因子数据，采用训练好的PM2.5浓度预测模型对第二时间段的PM2.5浓度进行预测；本发明的预测结果准确性高，实用性好。

公开(公告)号：CN114707577A

公开(公告)日：2022-07-05

申请号：CN202210246344.5

申请日：2022-03-14

Applicant: 重庆邮电大学

Inventor： 张晓霞 ,  石尚 ,  梁栋

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于异常检测领域，特别涉及一种基于自对抗变分自编码器的异常检测方法及系统，包括：构建基于自对抗变分自编码器的异常检测模型，训练异常检测模型得到训练数据的标准异常得分集，根据核密度估计方法和标准异常得分集自动计算阈值，从在线数据库获取待检测数据并进行预处理，将预处理后的待检测数据输入训练好的异常检测模型得到检测分数，将检测分数与阈值进行比较后输出检测结果；本发明结合基于变分自编码器的无监督异常检测方法和对抗训练的优点，同时弥补了每种技术的局限性，提高了异常检测的准确率，设计阈值自动选择模块有效缓解了固定阈值方法带来的误报率或漏报率较高的问题。

公开(公告)号：CN114647819A

公开(公告)日：2022-06-21

申请号：CN202210325115.2

申请日：2022-03-30

Applicant: 重庆邮电大学

Inventor： 张晓霞 ,  周鹏程 ,  胡峰

IPC: G06F17/16 ,  G06F17/18 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及数据处理领域，涉及一种基于图卷积网络的环境数据的格点处理方法；所述方法包括获取目标区域内的空气质量监测数据和气象监测数据；对所有监测数据进行缺失处理，并将站点的监测数据映射到目标区域所划分的格点矩阵内；使用风向数据和风速数据生成动态风场图，并使用迪杰斯特拉算法计算出风场邻接矩阵；根据空气质量浓度数据构建出每个时刻的掩码矩阵，根据风场邻接矩阵、掩码矩阵和气象监测数据构建出每个时刻的特征向量集合Z；根据掩码矩阵和空气质量浓度数据生成每个时刻的目标矩阵Y；将特征向量集合Z矩阵输入到训练完成的图卷积神经网络模型，得到目标矩阵的估计矩阵P。本发明能提高环境数据格点化的精度。