本發明涉及大數據、人工智能，尤其是涉及一種能夠增強對大氣污染物傳播過程時空特征捕捉能力的方法。

背景技術：

1、pm2.5的監測對預防空氣污染非常必要。大氣預測受氣象條件、局部特征和環境地形等多種因素影響，且空氣污染物的傳播與時空因素密切相關。然而，大多數預測方法通常缺乏對時空關系的考慮，并只將大氣質量和環境參數作為單獨變量，忽視了長時序特征和相關性復雜。因此，采用一種能夠挖掘長時序數據中的相關性，并綜合空間地理信息和時序信息的深度學習框架具有重要意義。

2、隨著大量大氣質量監測站的建立，數據具備了被深度學習方法分析的基礎，其中深度學習方法因其對長時序數據的處理能力被廣泛應用。lstm-fc模型被提出用于特點站點的污染物預測；lstm與cnn結合被用于預測pm2.5濃度；以及convnet和dense雙向gru結合被用于預測pm2.5濃度。這些模型在特定環境下取得了良好的預測效果，但時序數據通常存在噪聲及長期和短期信息混合的問題，時間特征無法充分挖掘。此外，現有研究主要集中在單個監測點的大氣污染預測，站點之間的空間相關性未被考慮，導致污染物傳播規律未被體現和解釋性不足。

3、現有技術中，一些研究者將基于注意力機制構建的編碼器來捕捉大氣污染物傳播過程的時空特征，然而，傳統注意力機制存在計算復雜度高、缺乏地理空間結構信息和無法充分捕捉多尺度特征的問題。

技術實現思路

1、為解決上述背景技術中提出的技術問題，提供一種能夠增強對大氣污染物傳播過程時空特征捕捉能力的方法，其能夠優化對復雜數據的處理能力，增強對大氣數據時空關系的捕捉能力，以充分捕捉多尺度特征。

2、為達到上述目的，本發明所采用的技術方案是：

3、一種能夠增強對大氣污染物傳播過程時空特征捕捉能力的方法，包括以下步驟：

4、s100，構建一基于時間-空間注意力機制的編碼器，通過編碼器的線性層對時間特征和空間特征進行映射，分別得到空間特征的查詢矩陣、鍵矩陣和時間特征的查詢矩陣、鍵矩陣；

5、s200，將空間特征的查詢矩陣和鍵矩陣的轉置矩陣相乘得到空間相關性矩陣，并將時間特征的查詢矩陣和鍵矩陣的轉置矩陣相乘得到時間相關性矩陣；

6、s300，分別對得到的空間相關性矩陣及時間相關性矩陣作歸一化處理，并使用tanh激活函數對歸一化處理的空間相關性矩陣及時間相關性矩陣進一步調整，使相關性權重更加精確地捕捉關鍵特征和時空關系；

7、s400，將調整后的空間相關性矩陣與原始數據矩陣相乘得到空間特征表示矩陣，將調整后的時間相關性矩陣與原始數據矩陣相乘得到時間特征表示矩陣，以加強在時空上具有較高相關性的變量在最終特征表示中的影響；

8、s500，通過空間特征表示矩陣計算獲得空間注意力權重，通過時間特征表示矩陣計算獲得時間注意力權重，將獲得的空間注意力權重及時間注意力權重加權求和，以增強大氣數據中的時間和空間特征。

9、進一步地，步驟s200中通過以下公式將查詢矩陣和鍵矩陣的轉置矩陣相乘：

10、a＝qkt

11、式中，q是查詢矩陣，k是鍵矩陣，a是相乘后得到的時間相關性矩陣或空間相關性矩陣。

12、進一步地，步驟s300中，通過下式對得到的時間相關性矩陣或空間相關性矩陣作歸一化處理：

13、

14、式中，sij表示原時間相關性矩陣或空間相關性矩陣的元素，表示歸一化后的時間相關性矩陣或空間相關性矩陣的元素。

15、進一步地，步驟s300中，通過下式對歸一化處理的空間相關性矩陣及時間相關性矩陣進一步調整：

16、

17、式中，α是一個可調的縮放因子，用于控制激活函數的敏感性；是調整后的空間相關性矩陣及時間相關性矩陣的元素。

18、進一步地，步驟s400中，采用下式將調整后的空間相關性矩陣或時間相關性矩陣與原始數據矩陣相乘：

19、h＝sadjx

20、式中，sadj是調整后的時間相關性矩陣或空間相關性矩陣，x是原始數據矩陣，h是調整后的相乘得到空間特征表示矩陣或時間特征表示矩陣。

21、進一步地，步驟s500中，通過下式計算空間注意力權重或時間注意力權重αij：

22、αij＝softmax(aij)

23、式中，aij為時間相關性矩陣或空間相關性矩陣的元素，softmax(.)為指數歸一化函數。

24、進一步地，步驟s500中，以h't表示時間注意力權重，表示空間注意力權重，按照下式將空間注意力權重及時間注意力權重加權求和：

25、

26、式中，t是時間步數量，h'是經過加權求和后的時空特征權重的綜合表示。

27、由于采用上述技術方案，本發明具有以下有益效果：

28、本發明的一種能夠增強對大氣污染物傳播過程時空特征捕捉能力的方法，采用時間-空間注意力機制能夠同時提取時間特征和空間特征的注意力權重，優化了對復雜數據的處理能力，并通過為輸入數據分配不同的時間和空間權重，增強了對大氣數據時空關系的捕捉能力，進而提高了對全局以及局部特征的捕捉能力，將softmax激活函數代替為值域為(-1,1)的tanh，避免混淆負相關和弱相關關系，進而實現了更精準的大氣污染物傳播過程的時空特征提取。

技術特征：

1.一種能夠增強對大氣污染物傳播過程時空特征捕捉能力的方法，其特征在于，包括以下步驟：

2.如權利要求1所述的能夠增強對大氣污染物傳播過程時空特征捕捉能力的方法，其特征在于，步驟s200中通過以下公式將查詢矩陣和鍵矩陣的轉置矩陣相乘：

3.如權利要求1所述的能夠增強對大氣污染物傳播過程時空特征捕捉能力的方法，其特征在于，步驟s300中，通過下式對得到的時間相關性矩陣或空間相關性矩陣作歸一化處理：

4.如權利要求3所述的能夠增強對大氣污染物傳播過程時空特征捕捉能力的方法，其特征在于，步驟s300中，通過下式對歸一化處理的空間相關性矩陣及時間相關性矩陣進一步調整：

5.如權利要求1所述的能夠增強對大氣污染物傳播過程時空特征捕捉能力的方法，其特征在于，步驟s400中，采用下式將調整后的空間相關性矩陣或時間相關性矩陣與原始數據矩陣相乘：

6.如權利要求1所述的能夠增強對大氣污染物傳播過程時空特征捕捉能力的方法，其特征在于，步驟s500中，通過下式計算空間注意力權重或時間注意力權重αij：

7.如權利要求5所述的能夠增強對大氣污染物傳播過程時空特征捕捉能力的方法，其特征在于，步驟s500中，以h′t表示時間注意力權重，表示空間注意力權重，按照下式將空間注意力權重及時間注意力權重加權求和：

技術總結
本發明提供一種能夠增強對大氣污染物傳播過程時空特征捕捉能力的方法，采用時間?空間注意力機制能夠同時提取時間特征和空間特征的注意力權重，優化了對復雜數據的處理能力，并通過為輸入數據分配不同的時間和空間權重，增強了對大氣數據時空關系的捕捉能力，進而提高了對全局以及局部特征的捕捉能力，將SoftMax激活函數代替為值域為(?1,1)的Tanh，避免混淆負相關和弱相關關系，進而實現了更精準的大氣污染物傳播過程的時空特征提取。

技術研發人員：沈世銘,許睿,文建輝,李建,孫紹華,蔡天孚
受保護的技術使用者：桂林電子科技大學
技術研發日：
技術公布日：2025/4/24