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：青岛理工大学

摘要：本发明公开了一种基于STL‑Transformer的臭氧浓度预测方法，属于大气质量检测技术领域，包括：采用时间序列分解算法STL将臭氧浓度实测序列分解为季节分量、趋势分量和剩余分量；将分解后的三个分量与环境空气质量指数、空气质量评价参数、气象参数拼接，作为Transformer模型的输入序列；利用Transformer模型对未来不同时段的臭氧浓度进行预测，输出臭氧浓度的预测值。本发明基于STL算法和Transformer模型设计的臭氧浓度预测方法，能够充分捕捉臭氧变化的先验信息，通过提取多源数据的全局信息，可以显著提升臭氧浓度的预测质量和预测结果的可解释性。

主权项：1.一种基于STL-Transformer的臭氧浓度预测方法，其特征在于，包括：采集一段时间内空气中的臭氧浓度数据，形成臭氧浓度实测序列；采用时间序列分解算法STL将臭氧浓度实测序列分解为季节分量、趋势分量和剩余分量，形成臭氧序列的三个分量，其过程包括：根据不同的预测时段配置季节周期参数Pe，t时刻的季节分量、趋势分量和剩余分量是对t时刻之前的Pe个时间段{t-1，t-2,…t-Pe}内的臭氧浓度实测值构成的臭氧序列进行STL分解得到的；所述STL分解过程包括：将臭氧浓度实测序列Yv的分解结果表示为：Yv＝Sv+Tv+Rv；其中，季节分量Sv表示数据在不同时间尺度上的周期性波动；趋势分量Tv表示数据的长期变化趋势；剩余分量Rv表示除季节分量和趋势分量以外的随机噪声；假设分别表示季节分量Sv和趋势分量Tv的第k次迭代结果，分解过程如下：S1、去除臭氧浓度实测序Yv中的趋势分量，计算去趋势序列S2、对所述去趋势序列的周期子序列进行Loess平滑，记稳健性权重为ρv，结果记为S3、对进行低通滤波算法处理，输出序列记为S4、去除中的趋势项，得到季节分量S5、从臭氧浓度实测序列Yv中去除季节分量计算去季节序列S6、对去季节序列进行Loess平滑，得到k+1迭代的趋势分量S7、计算剩余分量S8：根据剩余分量Rv的稳健性计算下一循环的稳健性权重ρv： 其中，midean函数用于返回一组数据的中值；||表示取数据的绝对值；Bu为双平方权重函数： 将分解后的三个分量与环境空气质量指数、空气质量评价参数、气象参数拼接，作为Transformer模型的输入序列；利用Transformer模型对未来不同时段的臭氧浓度进行预测，通过Transformer模型输出的结果即为臭氧浓度的预测值。

全文数据：

权利要求：

百度查询： 青岛理工大学 一种基于STL-Transformer的臭氧浓度预测方法