(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 202211408732.5 (22)申请日 2022.11.11 (71)申请人 哈尔滨工业大 学 （深圳） （哈尔滨工 业大学深圳科技创新研究院） 地址 518055 广东省深圳市南 山区桃源街 道深圳大 学城哈尔滨工业大 学校区 (72)发明人 涂志华　叶允明　李旭涛　 (74)专利代理 机构 北京隆源天恒知识产权代理 有限公司 1 1473 专利代理师 路贺贺 (51)Int.Cl. G06Q 10/04(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种大气污染物时空分布预测系统及方法 (57)摘要 本发明提供了一种大气污染物时空分布预 测系统及方法， 涉及环境预测领域， 通过特征提 取单元将所述时空分布信息分别输入顺序连接 通路和跳跃连接通路进行特征提取， 顺序连接通 路可以提取连续的时序特征， 得到一个连续的变 化趋势， 用于后续时刻的预测； 跳跃连接通路是 跳跃着连接不同周期同一时刻的数据， 通过跳跃 连接通路对 特征的传递， 当前时刻的特征中可以 融入前面周期内相同时刻的数据特征， 用更明显 的周期性特征来预测当前时刻的特征， 对当前时 刻的预测有一个辅助修正的作用； 结合PM2.5时 空分布的连续性变化趋势和周期性变化特征， 融 合单元将 两条连接通路提取的特征相融合， 使 得 预测结果更加准确， 可用于预测很长一段时间之 后的PM2.5时空分布情况。 权利要求书2页 说明书7页 附图2页 CN 115456314 A 2022.12.09 CN 115456314 A 1.一种大气污染物时空分布预测系统， 其特 征在于， 包括: 特征提取单元， 用于将连续 时间段内的大气污染物的时空分布信 息分别输入顺序 连接 通路和跳跃连接通路进 行特征提取， 得到顺序连接特征和跳跃连接特征， 其中， 所述顺序连 接通路按照时间顺序依次读取所述时空分布信息， 所述跳跃连接通路按照设定的跳跃周期 长度间隔式的读取 所述时空分布信息； 融合单元， 用于将所述 顺序连接特 征和所述跳跃 连接特征融合， 得到融合特 征； 解码单元， 用于对所述融合特 征进行解码， 得到最终预测结果。 2.根据权利要求1所述的大气污染物时空分布预测系统， 其特征在于， 所述顺序连接通 路和所述跳跃连接通路上的特征提取单元均为ConvGRU单元， 所述ConvGRU 单元包括卷积神 经网络和循环神经网路。 3.根据权利要求2所述的大气污染物时空分布预测系 统， 其特征在于， 所述ConvGRU单 元内的特 征提取运 算过程为： ， 其中，“∗”表示卷积操作， “∘”表示Hadamard乘积， Zt为更新门， Rt为重置门， Ht−1表示前 一时刻的特征， Xt表示t时刻的输入图像， 表示隐含层候选值， Ht表示当前时刻的特征， Wxz， Whz， Wxr， Whr， Wxh和Whh分别是卷积操作的卷积核， σ 表示Sigmoid激活函数， ReLU表示单侧 抑制激活函数， 输出 结果为隐含层候选值。 4.根据权利要求1所述的大气污染物时空分布预测系统， 其特征在于， 所述融合单元包 括卷积层和自注意力层， 所述自注意力层包括通道自注意力机制和空间自注意力机制， 所 述通道自注意力机制与所述空间自注意力机制叠加。 5.根据权利要求4所述的大气污染物时空分布预测系统， 其特征在于， 将所述顺序 连接 特征和所述跳跃连接特征进行拼接， 并将拼接结果输入到所述卷积层中， 所述卷积层计算 多个所述拼接结果的加权和， 得到过渡特征， 将所述过渡特征输入到 自注意力层中得到融 合单元的输出 结果。 6.根据权利要求5所述的大气污染物时空分布预测系统， 其特征在于， 所述自注意力层 中的所述 通道自注意力机制对所述过渡特 征进行卷积， 包括： attened_c=ECA(X)∗X+X， ECA(X)=σ(C1Dk(g(X)))， ， 其中， attened_c表示所述通道 自注意力机制的输出结果， X表示所述卷积层得到的所权　利　要　求　书 1/2 页 2 CN 115456314 A 2述过渡特征， “∗”表示卷积操作， σ 表示Sigmoid激活函数， C1Dk表示通道上 的一维卷积， k表 示卷积核的大小， g(X)表 示全局平均池化， W和H分别表 示图片的长和宽， i和j表示图片的第 i行， 第j列， Xij表示当前时刻图片的第i行第j列的特 征。 7.根据权利要求6所述的大气污染物时空分布预测系统， 其特征在于， 所述自注意力层 中的所述空间自注意力机制对所述 通道自注意力机制的输出 结果进行 卷积， 包括： fusioned_X=Attention(Wq*attened_c,Wk*attened_c,Wv*attened_c) ∗attened_c+ attened_c， 其中， fusioned_X表示所述融合单元的输出结果， Wq， Wk和Wv分别为3*3的卷积核， attened_c表示所述 通道自注意力机制的输出 结果。 8.根据权利要求1所述的大气污染物时空分布预测系统， 其特征在于， 所述解码单元还 用于分别对所述顺序连接特征和所述跳跃连接特征进 行解码， 得到顺序预测结果和跳跃预 测结果。 9.根据权利要求1所述的大气污染物时空分布预测系统， 其特征在于， 对得到的所述最 终预测结果、 顺序预测结果和跳跃预测结果进行梯度下降优化， 并将优化结果作为新的输 入更新到所述特 征提取单元中， 对所述特 征提取单元和所述融合单 元进行优化训练。 10.一种大气污染物时空分布预测方法， 其特 征在于， 包括： 获取连续时间段内的大气污染物的时空分布信息； 将所述时空分布信 息分别输入顺序连接通路和跳跃连接通路进行特征提取， 得到顺序 连接特征和跳跃连接特征， 其中， 所述顺序连接通路按照时间顺序依 次读取所述时空分布 信息， 所述跳跃 连接通路按照设定的跳跃周期长度间隔式的读取 所述时空分布信息； 将所述顺序连接特 征和所述跳跃 连接特征融合， 得到融合特 征； 对所述融合特 征进行解码， 得到最终预测结果。权　利　要　求　书 2/2 页 3 CN 115456314 A 3