-
公开(公告)号：CN113469405A
公开(公告)日：2021-10-01
申请号：CN202110540406.9
申请日：2021-05-18
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
Abstract: 本发明的一种基于子图分割的跨城市尾气迁移预测方法、系统及介质，包括获取源城市和目标城市的历史尾气数据并对进行数据预处理；对城市按照功能区进行划分，将每个功能区内的监测点构建为子图，每个子图的节点数应保持一致；针对每个子图构建尾气时空特征提取模块，对源城市和目标城市的所有子图进行浅层特征提取；计算目标城市和源城市中的任意两个子图的最大均值差异；最小化目标子图和匹配子图的差异；对浅层特征进行深度提取，并输出预测结果。本发明通过将尾气时序数据按照功能区构建成若干子图以捕获尾气典型的时空分布，基于子图的迁移预测可以有效实现源域和目标域的特征对齐，从而帮助目标域仅用少量数据即可实现精准预测。
-
公开(公告)号：CN112819218A
公开(公告)日：2021-05-18
申请号：CN202110110653.5
申请日：2021-01-27
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
Abstract: 本发明的一种高分辨率城市移动源污染时空预测方法、系统及存储介质，包括对历史移动源污染监测数据和外部环境因素数据按指定空间分辨率处理成低分辨率移动源污染、外部环境因素观测序列，以及高分辨率移动源污染观测序列；对上述进行标准化处理；将标准化后的低分辨率历史移动源污染数据按指定时间间隔长度进行切分与当前时刻外部环境因素数据、高分辨率移动源污染数据组合构建历史移动源污染数据样本集；构建高分辨率城市移动源污染时空预测模型，训练模型，利用训练好的预测模型对未来时段的高分辨率移动源污染时空分布进行预测。本发明可以有效处理不同空间尺度下排放清单的空间结构约束，实现在稀疏监测下的高精度排放清单时空分布预测。
-
公开(公告)号：CN112819217A
公开(公告)日：2021-05-18
申请号：CN202110110644.6
申请日：2021-01-27
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
Abstract: 本发明的一种移动源污染排放主要影响因素预测方法、系统及存储介质，以机动车为研究对象，步骤如下：首先，将收集的车辆年检数据和尾气遥测数据预处理；然后，利用Spearman相关性分析排除与移动源排放气体中主要成分CO、HC、NO气体浓度不存在相关性的因素；再使用Lasso算法确定各成分的关键影响因子，并采用神经网络构建污染物排放预测模型；最后，在测试集上验证该模型用于移动源污染排放主要成分预测的有效性。本发明模型预测的结果表明，基于特征筛选的移动源污染排放数据预测神经网络模型，具有较高的预测精度，可以降低移动源污染排放检测成本以及为相关部门制定相关政策提供理论依据。
-
公开(公告)号：CN112132264B
公开(公告)日：2023-04-07
申请号：CN202010953126.6
申请日：2020-09-11
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
IPC: G06N3/0464 , G06N3/048 , G06N3/08 , G06Q10/04 , G06Q50/26
Abstract: 本发明的一种基于时空残差感知网络的区域尾气排放预测方法及系统，可解决现有方法多为基于试验车数据，外部影响因素考虑也不够，相对误差较大的技术问题。包括以下步骤：S100、获取历史尾气时空监测数据以及外部环境数据，对所获数据进行数据预处理；S200、根据尾气变化特性构建时序序列划分集合；S300、基于事先构建并训练好的尾气污染时空预测模型，利用当前时刻t的外部环境特征数据和t‑1时刻前的历史尾气时空序列数据，预测未来t+k时刻的尾气排放。本发明通过时空残差感知网络考虑到尾气排放具有时空异质性以及受多种外部复杂环境因素影响，并且能够在真实遥测数据上实现更高精度的区域尾气预测。
-
公开(公告)号：CN113469405B
公开(公告)日：2024-04-02
申请号：CN202110540406.9
申请日：2021-05-18
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
IPC: G06Q10/04 , G06Q10/0637 , G06Q50/26 , G06F17/16
Abstract: 本发明的一种基于子图分割的跨城市尾气迁移预测方法、系统及介质，包括获取源城市和目标城市的历史尾气数据并对进行数据预处理；对城市按照功能区进行划分，将每个功能区内的监测点构建为子图，每个子图的节点数应保持一致；针对每个子图构建尾气时空特征提取模块，对源城市和目标城市的所有子图进行浅层特征提取；计算目标城市和源城市中的任意两个子图的最大均值差异；最小化目标子图和匹配子图的差异；对浅层特征进行深度提取，并输出预测结果。本发明通过将尾气时序数据按照功能区构建成若干子图以捕获尾气典型的时空分布，基于子图的迁移预测可以有效实现源域和目标域的特征对齐，从而帮助目标域仅用少量数据即可实现精准预测。
-
Patent Agency Ranking
公开(公告)号：CN113744541A
公开(公告)日：2021-12-03
申请号：CN202110536188.1
申请日：2021-05-17
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
Abstract: 本发明的一种对抗图卷积网络的路网排放缺失时空分布重构方法及系统，包括采集车辆污染排放和瞬时工况数据，构建单车路段典型工况排放模型；结合遥感监测点位的车流量数据和典型工况排放模型构建路网移动源排放缺失时空图序列；基于网移动源排放缺失时空图序列，构建路网排放时空分布对抗图卷积生成模型,对监测缺失路段排放进行估计。本发明采用多头自注意力图卷积网络可捕获气象、交通状态变化和基础路网空间差异对不同路段排放的影响；采用图卷积生成对抗学习机制，构建融合路网拓扑以及多源监测信息的路网排放时空分布生成模型，实现完全路网排放图序列重构。与已有方法相比，本方法有望解决监测信息缺失路段的排放时空分布估计问题。
-
公开(公告)号：CN112132264A
公开(公告)日：2020-12-25
申请号：CN202010953126.6
申请日：2020-09-11
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
Abstract: 本发明的一种基于时空残差感知网络的区域尾气排放预测方法及系统，可解决现有方法多为基于试验车数据，外部影响因素考虑也不够，相对误差较大的技术问题。包括以下步骤：S100、获取历史尾气时空监测数据以及外部环境数据，对所获数据进行数据预处理；S200、根据尾气变化特性构建时序序列划分集合；S300、基于事先构建并训练好的尾气污染时空预测模型，利用当前时刻t的外部环境特征数据和t‑1时刻前的历史尾气时空序列数据，预测未来t+k时刻的尾气排放。本发明通过时空残差感知网络考虑到尾气排放具有时空异质性以及受多种外部复杂环境因素影响，并且能够在真实遥测数据上实现更高精度的区域尾气预测。
-
公开(公告)号：CN112131986A
公开(公告)日：2020-12-25
申请号：CN202010954090.3
申请日：2020-09-11
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
Abstract: 本发明的一种交通污染管控方法、系统及存储介质，包括以下步骤：获取原始尾气监测数据以及车流信息数据，并进行预处理；把处理好的数据输入事先设置好的交通污染管控模型，输出管控策略。所述交通污染管控模型的构建步骤如下：采集尾气监测数据并进行预处理；构建交通污染强化学习模型；设置交通污染管控模型策略算法并基于S201处理后的数据进行训练。本发明利用深度Q网络估计长期回报最优值函数以克服行动状态空间过大问题，并利用混合环境状态来构建尾气环境系统的时序依赖性，从而制定有效的交通限流限速策略以减轻交通污染。
-
公开(公告)号：CN112131523A
公开(公告)日：2020-12-25
申请号：CN202010953119.6
申请日：2020-09-11
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
Abstract: 本发明的一种基于有限监测点位的时空数据生成方法及系统，包括以下步骤：S100、获取尾气遥测数据和车辆基本信息数据；S200、把获取到的数据输入事先构建并训练好的尾气监测数据生成对抗网络模型，生成对应的时空数据。所述对抗网络模型的构建和训练步骤如下：S201、获取尾气遥测数据和车辆基本信息数据，并进行关联影响分析；S202、根据关联影响因素设计尾气排放先验修正模型；S203、根据尾气遥测数据和尾气排放先验修正模型设计尾气监测数据生成对抗网络模型；S204、训练尾气监测数据生成对抗网络模型。本发明可克服由于有限监测点位导致尾气观测数据的数据空间稀疏性及监测数据本身存在空间异质性等问题，实现对城市区域的车辆尾气排放态势进行全局估计。
-
公开(公告)号：CN112131523B
公开(公告)日：2023-09-26
申请号：CN202010953119.6
申请日：2020-09-11
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
IPC: G06N3/0475 , G06N3/0464 , G06N3/094 , G06N3/084 , G06F16/9537 , G06Q10/04 , G06Q50/26
Abstract: 本发明的一种基于有限监测点位的时空数据生成方法及系统，包括以下步骤：S100、获取尾气遥测数据和车辆基本信息数据；S200、把获取到的数据输入事先构建并训练好的尾气监测数据生成对抗网络模型，生成对应的时空数据。所述对抗网络模型的构建和训练步骤如下：S201、获取尾气遥测数据和车辆基本信息数据，并进行关联影响分析；S202、根据关联影响因素设计尾气排放先验修正模型；S203、根据尾气遥测数据和尾气排放先验修正模型设计尾气监测数据生成对抗网络模型；S204、训练尾气监测数据生成对抗网络模型。本发明可克服由于有限监测点位导致尾气观测数据的数据空间稀疏性及监测数据本身存在空间异质性等问题，实现对城市区域的车辆尾气排放态势进行全局估计。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.053 seconds)
