(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 202111434720.5 (22)申请日 2021.11.29 (71)申请人 中国科学技术大学 地址 230026 安徽省合肥市包河区金寨路 96号 (72)发明人 刘诚　冯家璇　李启华　邢成志　 王炎　季祥光　 (74)专利代理 机构 杭州天勤知识产权代理有限 公司 33224 代理人 曹兆霞 (51)Int.Cl. G06F 30/27(2020.01) G16C 20/70(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 全时段三维大气污染物的重构方法、 装置、 计算机设备和存 储介质 (57)摘要 本发明公开了一种全时段大气污染物的重 构方法、 装置、 计算机设备和存储介质， 包括获取 依据观测区域的超光谱遥感数据反演得到的大 气污染物浓度分布， 获取观测区域内大气污染物 浓度的多源相关信息， 其中， 多源相关信息包括 气象信息、 交通信息、 地形信息， 以多源相关信息 经预处理后作为样本， 以大气污染物浓度分布作 为样本标签； 构建包含特征提取单元和重构单元 的多模态重构 模型； 利用样本和样 本标签对多模 态重构模型进行监督学习， 以优化多模态重构 模 型参数； 利用参数优化的多模态重构模型进行全 时段三维大气污染物分布的重构。 该方法通过考 虑多模态信息综合预测全时段的三维大气污染 物浓度， 以提高预测准确性。 权利要求书2页 说明书9页 附图5页 CN 114169232 A 2022.03.11 CN 114169232 A 1.一种全时段三维大气污染物的重构方法， 其特 征在于， 包括以下步骤： 获取依据观测区域的超光谱遥感数据反演得到的大气污染物浓度分布， 获取观测区域 内大气污染物浓度的多源相关信息， 其中， 多源相关信息包括气象信息、 交通信息、 地形信 息， 以多源相关信息经 预处理后作为样本， 以大气污染物浓度分布作为样本标签； 构建包含特征提取单元和重构单元的多模态重构模型， 其中， 特征提取单元包含多个 特征提取模块， 每个特征提取模块对应提取样本中每类相关信息的特征向量， 重构单元对 所有相关信息的特 征向量进行融合 运算以重构大气污染物浓度分布； 利用样本和样本标签对多模态重构模型进行监 督学习， 以优化多模态重构模型参数； 利用参数优化的多模态重构模型进行全时段三维大气污染物分布的重构。 2.如权利要求1所述的全时段三维大气污染物的重构方法， 其特征在于， 所述气象信 息 包括经纬度风速、 垂直风速、 温度、 湿度、 压强、 大气边界层厚度； 所述交通信息包括交通流 量数据； 所述 地形信息包括 地形数据、 地表高程数据。 3.如权利要求1所述的全时段三维大气污染物的重构方法， 其特征在于， 所述多源相关 信息还包括人口密度信息和/或化学 ‑气象耦合模型信息 。 4.如权利要求2或3所述的全时段三维大气污染物的重构方法， 其特征在于， 所述气象 信息来自有化学 ‑气象耦合模型的预测输出； 所述化学‑气象耦合模型信息包括 其输出的大气污染物浓度。 5.如权利要求1所述的全时段三维大气污染物的重构方法， 其特征在于， 获取的多源相 关信息经过数据清洗、 数据填充、 独热编码、 标准化以及裁剪重组后， 形成样本并输入至多 模态重构模型； 在裁剪重组时， 依据大气污染物寿命长度确定数据尺寸N*N， 针对每个采样高度对应的 每类相关信息， 按照数据 尺寸进行裁剪得到每个地理网格对应的每类相关信息， 然后， 针对 每类相关信息， 拼接每个地理网格对应的所有采样高度M对应的相关信息， 形成N*N*M的数 据块， 该数据块输入多模态重构模型被1个特 征提取模型进行 特征提取。 6.如权利要求5所述的全时段三维大气污染物的重构方法， 其特征在于， 所述依据 大气 污染物寿命长度确定数据尺寸 N*N， 包括： 根据大气污染物在正常经纬向风速下跟随气流扩散数个小时所能覆盖到的区域， 将大 气污染物浓度达到污染物标准时形成的覆盖区域的正方形包络线最小边长值与设备观测 划分的单位区域网格大小值之比取作N。 7.如权利要求1所述的全时段三维大气污染物的重构方法， 其特征在于， 所述特征提取 模块包括多个卷积层和池化层的交替结构， 按照数据流顺序， 卷积层的卷积核尺寸依 次减 小， 且通道数也依次较小， 实现特 征提取和异化特 征， 得到特 征向量； 所述重构单元采用多个全连接层， 对输入的特征向量进行全连接操作， 以重构生成重 构大气污染物浓度分布。 8.一种全时段三维大气污染物的重构装置， 其特 征在于， 包括： 获取模块， 用于获取依据观测区域的超光谱遥感数据反演得到的大气污染物浓度分 布， 获取观测区域内大气污染物浓度的多源相关信息， 其中， 多源相关信息包括气象信息、 交通信息、 地形信息， 以多源相关信息经预 处理后作为样 本， 以大气 污染物浓度分布作为样 本标签；权　利　要　求　书 1/2 页 2 CN 114169232 A 2模型构建模块， 用于构建包含特征提取单元和重构单元的多模态重构模型， 其中， 特征 提取单元包含多个特征提取模块， 每个特征提取模块对应提取样本中每类相关信息的特征 向量， 重构单 元对所有相关信息的特 征向量进行融合 运算以重构大气污染物浓度分布； 监督学习模块， 用于利用样本和样本标签对多模态重构模型进行监督学习， 以优化多 模态重构模型参数； 重构应用模块， 用于利用参数优化的多模态重构模型进行全时段三维大气污染物分布 的重构。 9.一种计算机设备， 包括存储器、 处理器以及存储在所述存储器中并可在所述处理器 上执行的计算机程序， 其特征在于， 所述存储器存储有利用权利要求 1‑7任一项所述的全时 段三维大气污染物的重构方法构建的多模态重构模型； 所述处理器执行所述计算机程序时 实现以下步骤： 获取全时段的大气污染物浓度的多源相关信 息， 并对多源相关信 息进行预处理后形成 预测样本； 利用所述多模态重构模型对预测样本进行重构计算， 以得到全时段三维大气污染物浓 度分布。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理执行时实现权利要求1 ‑7任一项所述的全时段三维大气污染物的重构方法的步骤。权　利　要　求　书 2/2 页 3 CN 114169232 A 3