公开(公告)号：CN111814956B

公开(公告)日：2022-04-08

申请号：CN202010581735.3

申请日：2020-06-23

Applicant: 哈尔滨工程大学

Inventor： 韩启龙 ,  门瑞 ,  陈睿 ,  宋洪涛 ,  张可佳 ,  李洪坤 ,  张育怀 ,  李一豪 ,  肖世桐 ,  李佳航

IPC: G06N3/04 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/26 ,  G01N33/00

Abstract: 本发明提出一种基于多维度二次特征提取的多任务学习的空气质量预测方法，所述方法包括获取数据、数据预处理、选取污染物、建立多维度二次特征提取的卷积神经网络模型和长短期记忆网络模型、建立多维度二次特征提取的多任务学习模型和验证步骤。本发明针对传统时空数据建模时仅考虑时间内部相关性和空间内部相关性，未考虑到时空之间的相关性的问题。本发明从空间、时间和时空三个角度考虑与污染物值相关的影响信息，通过多任务学习对多个时间、空间任务间的相互影响的学习来降低预测偏差，使得时间、空间模型的预测精度更准确。

公开(公告)号：CN111814956A

公开(公告)日：2020-10-23

申请号：CN202010581735.3

申请日：2020-06-23

Applicant: 哈尔滨工程大学

Inventor： 韩启龙 ,  门瑞 ,  陈睿 ,  宋洪涛 ,  张可佳 ,  李洪坤 ,  张育怀 ,  李一豪 ,  肖世桐 ,  李佳航

IPC: G06N3/04 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/26 ,  G01N33/00

Abstract: 本发明提出一种基于多维度二次特征提取的多任务学习的空气质量预测方法，所述方法包括获取数据、数据预处理、选取污染物、建立多维度二次特征提取的卷积神经网络模型和长短期记忆网络模型、建立多维度二次特征提取的多任务学习模型和验证步骤。本发明针对传统时空数据建模时仅考虑时间内部相关性和空间内部相关性，未考虑到时空之间的相关性的问题。本发明从空间、时间和时空三个角度考虑与污染物值相关的影响信息，通过多任务学习对多个时间、空间任务间的相互影响的学习来降低预测偏差，使得时间、空间模型的预测精度更准确。

公开(公告)号：CN112085163A

公开(公告)日：2020-12-15

申请号：CN202010870423.4

申请日：2020-08-26

Applicant: 哈尔滨工程大学

Inventor： 韩启龙 ,  张育怀 ,  门瑞 ,  隋珊珊 ,  张艳平 ,  宋洪涛 ,  李丽洁

IPC: G06N3/04 ,  G06N3/08 ,  G01N33/00

Abstract: 本发明提出一种基于注意力增强图卷积神经网络AGC和门控循环单元GRU的空气质量预测方法，所述方法具体包括：首先选取待预测的污染物并获取用于空气质量预测的数据集进行预处理，对预处理后的数据集按比例划分训练集和测试集；其次构建AGC‑GRU模型，并将训练集输入到AGC‑GRU模型并采用反向传播算法进行训练，得到最优模型参数；最后将测试集输入训练后的AGC‑GRU模型中进行预测，得出所选择污染物的预测值。本发明可以同时考虑并提取相关数据集的时序特征和空间特征，达到准确预测的目的。