(19)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 202211283467.2 (22)申请日 2022.10.20 (71)申请人 西安邮电大 学 地址 710121 陕西省西安市西长安 街618号 (72)发明人 丁晨　郑思睿　陈家祯　郑萌萌　 郑周一　文笃石　 (74)专利代理 机构 北京高沃 律师事务所 1 1569 专利代理师 贾瑞华 (51)Int.Cl. G06Q 10/04(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 50/26(2012.01) (54)发明名称 一种空气质量预测方法、 装置、 电子设备及 存储介质 (57)摘要 本发明公开了一种空气质量预测方法、 装 置、 电子设备及存储介质， 涉及空气质量预测技 术领域， 该方法包括： 获取前h个小时内的与目标 区域空气质量相关的多种污染物数据并进行处 理， 得到多种污染物浓度等级数据； 将每种污染 物浓度等级数据输入到对应的训练好的长短期 记忆网络模型中， 预测得到第h+1个小时内的多 种污染物浓度等级数据； 根据第h+1个小时内的 多种污染物浓度等级数据， 预测目标区域空气质 量； 其中， 任一训练好的长短期记忆网络模型均 是通过鲸鱼优化算法对长短期记忆网络模型参 数进行优化后确定。 本发明能够提供空气质量预 测精度。 权利要求书2页 说明书7页 附图3页 CN 115511209 A 2022.12.23 CN 115511209 A 1.一种空气质量预测方法， 其特 征在于， 包括： 获取前h个小时内的与目标区域空气质量相关的多种污染物数据； 对每个污染物数据进行处 理， 得到多种污染物浓度等级数据； 将每种所述污染物浓度等级数据输入到对应的训练好的长短期记忆网络模型中， 预测 得到第h+1个小时内的多种污染物浓度等级数据； 根据第h+1个小时内的多种污染物浓度等级数据， 预测目标区域空气质量； 其中， 任一所述训练好的长短期记忆网络模型均 是通过鲸鱼优化算法对长短期记忆网 络模型参数进行优化后确定 。 2.根据权利要求1所述的一种空气质量预测方法， 其特征在于， 所述污染物包括PM10、 PM2.5、 SO2、 NO2、 CO和O3。 3.根据权利要求1所述的一种空气质量预测方法， 其特征在于， 一种污染物对应一种训 练好的长短期记忆网络模型， 不同的污染物对应不同的训练好的长短期记忆网络模型； 任 一所述训练好的长短期记 忆网络模型的确定过程 为： 将一段时间内的样本数据进行等时间间隔划分， 得到多个样本对； 所述样本对包括输 入数据以及 对应的标签数据； 其中， 所述输入数据为前h个小时内的与样本区域空气质量相 关的一种污染物浓度等级数据， 所述标签数据为第h+1个小时内的与样本区域空气质量相 关的一种污染物浓度等级数据； 按照时间顺序， 将多个所述样本对进行排序； 将当前样本对中的输入数据输入到目标长短期记 忆网络模型中， 得到预测结果； 判断当前样本对中的标签数据与 预测结果的差值是否符合设定条件， 得到第 一判断结 果； 若所述第一判断结果表示当前样本对中的标签数据与 预测结果的差值符合设定条件， 则目标长短期记 忆网络模型确定为样本对中污染物对应的训练好的长短期记 忆网络模型； 若所述第一判断结果表示当前样本对中的标签数据与预测结果的差值不符合设定条 件， 则采用鲸鱼优化算法优化目标长短期记忆网络模型的网络参数， 得到优化的网络参数， 并判断所述当前样本对是否为 最后一个样本对， 得到第二判断结果； 若所述第二判断结果表示当前样本对为最后 一个样本对， 则将优化的网络参数确定的 长短期记 忆网络模型确定为样本对中污染物对应的训练好的长短期记 忆网络模型； 若所述第二判断结果表示当前样本对不为最后 一个样本对， 则将目标长短期记忆网络 模型更新为优化的网络参数确定的长短期记忆网络模型， 将当前样本对更新为下一样本 对， 返回将当前样本对中的输入数据输入到目标长短期记忆网络模型中， 得到预测结果的 步骤。 4.根据权利要求3所述的一种空气质量预测方法， 其特征在于， 在执行步骤将一段时间 内的样本数据进行等时间 间隔划分， 得到多个样本对之前， 还 包括： 获取一段时间内的与样本区域空气质量相关的多种污染物数据； 按照污染物等级划分标准， 对每个污染物数据进行等级处理， 得到多种污染物浓度等 级数据。 5.根据权利要求3所述的一种空气质量预测方法， 其特征在于， 所述采用鲸鱼优化算法 优化目标长短期记 忆网络模型的网络参数， 得到优化的网络参数， 具体包括：权　利　要　求　书 1/2 页 2 CN 115511209 A 2将当前样本对中的标签数据作为猎物位置， 将目标长短期记忆网络模型的网络参数作 为鲸鱼初始位置， 采用鲸鱼优化算法优化 目标长短期记忆网络模型 的网络参数， 得到优化 的网络参数。 6.根据权利要求3或5所述的一种空气质量预测方法， 其特征在于， 所述网络参数包括 LSTM网络层数、 LSTM网络单元数、 全连接层数、 全连接单元数、 batch  size值、 dropout值和 recurrent dropout值。 7.一种空气质量预测装置， 其特 征在于， 包括： 污染物数据获取模块， 用于获取前h个小时内的与目标区域空气质量相关的多种污染 物数据； 污染物浓度等级数据计算模块， 用于对每个污染物数据进行处理， 得到多种污染物浓 度等级数据； 污染物浓度等级数据 预测模块， 用于将每种所述污染物浓度等级数据输入到对应的训 练好的长短期记 忆网络模型中， 预测得到第h+1个小时内的多种污染物浓度等级数据； 目标区域空气质量预测模块， 用于根据第h+1个小时内的多种污染物浓度等级数据， 预 测目标区域空气质量； 其中， 任一所述训练好的长短期记忆网络模型均 是通过鲸鱼优化算法对长短期记忆网 络模型参数进行优化后确定 。 8.一种电子设备， 其特征在于， 包括存储器及处理器， 所述存储器用于存储计算机程 序， 所述处理器运行所述计算机程序以使 所述电子 设备执行根据权利要求 1至6中任一项 所 述的空气质量预测方法。 9.一种计算机可读存储介质， 其特征在于， 其存储有计算机程序， 所述计算机程序被处 理器执行时实现如权利要求1至 6中任一项所述的空气质量预测方法。权　利　要　求　书 2/2 页 3 CN 115511209 A 3