(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111583015.1 (22)申请日 2021.12.2 2 (71)申请人 中科三清科技有限公司 地址 100193 北京市海淀区东北旺西路8号 院36号楼5层523室 (72)发明人 肖林鸿　樊旭　陈焕盛　王文丁　 亢思静　秦东明　张稳定　孙超　 吴剑斌　 (74)专利代理 机构 北京北汇律师事务所 1 1711 代理人 马亚坤 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/26(2012.01) G06T 3/40(2006.01) G06N 3/08(2006.01)G06N 3/04(2006.01) G06K 9/62(2022.01) G06F 30/27(2020.01) G06F 111/10(2020.01) G06F 119/08(2020.01) (54)发明名称 一种臭氧浓度预报方法及装置 (57)摘要 本发明提供一种臭氧浓度预报方法及 装置， 涉及大气化学数据处理领域。 该方法包括： 获取 起报时间的观测数据以及数值模拟数据； 基于所 述起报时间的观测数据、 数值模拟数据以及特征 工程， 构建特征数据； 将所述特征数据输入预先 训练的臭氧浓度预报模型， 得到所述起报时间的 臭氧浓度预报数据。 本发明以单时次观测数据结 合气象再分析资料预报数据， 利用特征工程构建 多个特征， 利用注意力机制对特征重要性进行评 估， 进而赋予不同的权重， 提高多时间尺度的提 高臭氧预报的准确性。 而且， 基于以观测数据为 基础的多源 数据对小时臭氧浓度进行预报， 可以 提高臭氧预报精度， 提升臭氧预报效率， 为臭氧 污染的科 学防控提供 更为有力的支撑 。 权利要求书2页 说明书10页 附图4页 CN 114298389 A 2022.04.08 CN 114298389 A 1.一种臭 氧浓度预报方法， 其特 征在于， 包括： 获取起报时间的观测数据以及数值模拟数据； 基于所述 起报时间的观测数据、 数值模拟数据以及特 征工程， 构建特 征数据； 将所述特征数据输入预先训练 的臭氧浓度 预报模型， 得到所述起报时间的臭氧浓度 预 报数据。 2.如权利要求1所述的臭氧浓度 预报方法， 其特征在于， 所述起报时间的观测数据包括 起报时间的大气污染物数据以及气象观测数据； 其中， 所述大气污染物数据包括 NO2浓度和臭 氧浓度； 所述气象观测数据包括温度、 相对湿度、 气象、 风速 。 3.如权利要求1所述的臭氧浓度预报方法， 其特征在于， 所述数值模拟数据， 包括起报 时间的数值预报数据的站点插值数据。 4.如权利要求3所述的臭氧浓度 预报方法， 其特征在于， 所述起报时间的数值预报数据 的站点插值数据， 包括： 第一预设高度温度 数据、 第一预设高度湿度 数据、 第二预设高度风速数据、 边界层高度 数据、 地面短波辐射数据。 5.如权利要求1所述的臭氧浓度 预报方法， 其特征在于， 所述基于所述起报时间的观测 数据、 数值模拟数据以及特 征工程， 构建特 征数据， 包括： 对所述起报时间的观测数据、 数值模拟数据以及时间特征数据进行特征提取， 得到污 染物浓度特 征数据以及气象要素 特征数据； 将所述起报时间的观测数据、 数值模拟数据、 污染物浓度特征数据以及气象要素特征 数据融合 生成一维特 征序列。 6.如权利要求5所述的臭氧浓度预报方法， 其特征在于， 所述污染物浓度特征数据， 包 括： 起报时间t前一个周的臭 氧浓度平均值、 最大值和最小值； 起报时间t前一周的臭 氧浓度平均值、 最大值和最小值； 起报时间t与24小时之前的臭 氧浓度差； 起报时间t前一个周的臭 氧8小时内最大浓度平均值、 最大值和最小值； 起报时间t与24小时之前的臭 氧8小时内最大浓度差 。 7.如权利要求5所述的臭 氧浓度预报方法， 其特 征在于， 所述气象要素 特征数据， 包括： 预报时次t与24小时前的温度差值、 预报时次t与12小时前的温度差值、 预报时次t与24 小时前的气压 差值、 预报时 次t与12小时前的气压 差值、 预报时 次t与6小时前的气压 差值。 8.如权利要求1所述的臭氧浓度 预报方法， 其特征在于， 所述臭氧浓度 预报模型的训练 过程包括： 获取训练样本， 其中， 所述训练样本包括样本输入以及对应的样本真值， 所述样本输入 为样本观测数据与样本数值模拟数据通过特征工程构建的特征序列， 所述样本 真值为所述 样本输入对应的臭 氧浓度观测数据； 将所述训练样本 输入到初始的臭 氧浓度预报模型， 得到所述训练样本对应的预测值； 基于所述样本真值、 所述预测值以及交叉熵损 失函数， 对所述初始 的臭氧浓度预报模 型内的初始参数进行训练。权　利　要　求　书 1/2 页 2 CN 114298389 A 29.如权利要求1所述的臭氧浓度 预报方法， 其特征在于， 所述臭氧浓度 预报模型为双向 长短记忆神经网络注意力机制Bi ‑LSTM‑Attention模型， 所述Bi ‑LSTM‑Attention模型包括 输入层、 LSTM层、 注意力机制层以及全连接神经网络层； 所述将所述特征数据输入预先训练 的臭氧浓度预报模型， 得到所述起报时间的臭氧浓 度预报数据， 包括： 将所述特征数据输入到所述Bi ‑LSTM‑Attention模型的输入层， 通过所述输入层将所 述特征数据输入至所述 LSTM层； 通过所述LSTM层， 对所述特征数据中的每个特征赋予隐含数据和输出数据， 计算不同 特征的权重， 将得到的权 重矩阵输入到所述注意力机制层； 通过所述注意力 机制层对所述权重矩阵与不同特征进行计算， 将计算结果输入到所述 全连接神经网络层； 所述全连接神经网络层通过 所述计算结果确定所述 起报时间的臭 氧浓度预报数据。 10.一种臭 氧浓度预报装置， 其特 征在于， 包括： 获取模块， 用于获取起报时间的观测数据以及数值模拟数据； 构建模块， 用于基于所述起报时间的观测数据、 数值模拟数据以及特征工程， 构建特征 数据； 预报模块， 用于将所述特征数据输入预先训练的臭氧浓度预报模型， 得到所述起报时 间的臭氧浓度预报数据。 11.一种电子设备， 包括： 处理器； 以及 存储程序的存 储器， 其中， 所述程序包括指令， 所述指令在由所述处理器执行时使所述处理器执行根据权 利要求1‑9中任一项所述的方法。 12.一种存储有计算机指令的非瞬时计算机可读存储介质， 其中， 所述计算机指令用于 使所述计算机执 行根据权利要求1 ‑9中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114298389 A 3