买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中科宇图科技股份有限公司

摘要：本发明公开了一种基于机器学习和多源数据融合填充逐时高精度时空无缝颗粒物浓度的算法，包括S1、获取研究区域的卫星逐时AOD数据、地面站点AOD数据、CAMS数值模拟AOD预报数据、气象数据、排放数据、植被指数、地形数据和社会经济数据；S2、对上述获取的研究区域的多源数据进行预处理；S3、利用预处理后的多源数据以及网格像素的时空特征制作训练数据集；S4、将训练数据集输入到两段时空随机森林模型中进行训练，当两段时空随机森林模型满足评价指标时模型训练完毕，输出时空无缝颗粒物浓度数据。优点是：更充分地利用了卫星遥感AOD和地面观测站数据，使用时空无缝AOD对颗粒物进行预测，提高颗粒物浓度估算的准确率。

主权项：1.一种基于机器学习和多源数据融合填充逐时高精度时空无缝颗粒物浓度的算法，其特征在于：包括如下步骤，S1、获取研究区域的卫星逐时AOD数据、地面站点AOD数据、CAMS数值模拟AOD预报数据、气象数据、排放数据、植被指数、地形数据和社会经济数据；S2、对上述获取的研究区域的多源数据进行预处理，以使多源数据的坐标系和空间分辨率统一；S3、利用预处理后的多源数据以及网格像素的时空特征制作训练数据集；S4、将训练数据集输入到两段时空随机森林模型中进行训练，当两段时空随机森林模型满足评价指标时模型训练完毕，输出时空无缝颗粒物浓度数据；步骤S4具体包括如下内容，S41、第一段时空随机森林模型以时空无缝AOD数据作为因变量，以地面站点AOD数据、CAMS数值模拟AOD预报数据、气象数据、网格像素的时空特征、排放数据、植被指数、地形数据作为自变量，通过训练得到以卫星逐时AOD数据为基准的初始时空无缝AOD数据；并将初始时空无缝AOD数据与卫星逐时AOD数据加权获取最终时空无缝AOD数据；AOD卫星～fSTRTAODsta,AODmodel,SP,TEM,WU,WV,BLH,RH,DEM,NDVI,Ps,Pt其中，AOD卫星为训练得到的初始时空无缝AOD数据；AODsta为地面站点AOD数据；AODmodel为CAMS数值模拟AOD预报数据；SP为地表气压；TEM为气温；WU和WV分别为风量和风速；BLH为边界层高度；RH为相对湿度；DEM为地形数据；NDVI为植被指数；Ps为空间特征；Pt为时间特征。S42、第二段时空随机森林模型以站点颗粒物浓度数据作为因变量，以最终时空无缝AOD数据、气象数据、网格像素的时空特征、排放数据、植被指数、地形数据及其他社会经济数据作为自变量，通过训练得到时空无缝颗粒物浓度数据；PMsta～fSTRTAODall,SP,TEM,WU,WV,BLH,RH,DEM,NDVI,…,Ps,Pt其中，PMsta为站点颗粒物浓度数据，AODall为最终时空无缝AOD数据。

全文数据：

权利要求：

百度查询： 中科宇图科技股份有限公司 基于机器学习和多源数据融合填充逐时高精度时空无缝颗粒物浓度的算法