(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 202210544782.X (22)申请日 2022.05.19 (71)申请人 云南电网有限责任公司电力科 学研 究院 地址 650000 云南省昆明市经济技 术开发 区云大西路10 5号 (72)发明人 马仪　马御棠　王国芳　潘浩　 周仿荣　曹俊　邱鹏锋　 (74)专利代理 机构 深圳中细软知识产权代理有 限公司 4 4528 专利代理师 徐春祺 (51)Int.Cl. G06F 16/2458(2019.01) G06F 16/29(2019.01) G06K 9/62(2022.01)G01D 21/02(2006.01) (54)发明名称 污秽分布情况的监测方法、 模型训练方法、 设备和介质 (57)摘要 本发明公开了污秽分布情况的监测方法、 模 型训练方法、 设备和介质， 包括： 将目标训练研究 区内获取的气溶胶光学厚度数据、 近红外指数数 据、 再分析气象数据及日均分辨率面数据作为一 个数据样本， 并输入回归树模型， 获取输出的预 测盐密值； 根据目标训练研究区的实测盐密值与 预测盐密值计算误差值， 并根据误差值调整回归 树模型的参数， 一直循环这个过程， 直至验证通 过预设的精度要求。 接着再基于训练后的回归树 模型预测目标研究区的等值盐密分布， 并绘制污 秽空间分布图， 从而掌握目标研究区的污秽分布 情况。 可见， 本发明可以快速高效的获取研究区 内高分辨率的污秽情况， 减少人力物力和资金的 消耗， 为有关部分污秽清扫提供参考与指示意 义。 权利要求书2页 说明书7页 附图2页 CN 114996327 A 2022.09.02 CN 114996327 A 1.一种回归树模型训练方法， 其特 征在于， 所述方法包括： 在预设的多个训练研究区内， 获取目标训练研究区内的气溶胶光学厚度 数据和红外数 据， 并根据所述红外数据计算近红外指数数据； 其中， 目标训练研究区为多个训练研究区中 的任意一个； 获取目标训练研究区内的再分析气象数据； 其中， 所述再分析气象数据包括月均温度， 月最高温度， 降水， 太阳 下行辐射； 获取目标训练研究区内的日均分辨率地面站点数据， 并通过迁移学习算法将每一日均 分辨率地面站点数据升尺度为覆盖目标训练研究区的日均分辨率面数据； 其中， 所述日均 分辨率地面站点数据包括覆盖地面站点的日均PM2.5数据， 日均PM10数据， 日均SO2数据， 日 均NO2数据和日均NO3数据； 将目标训练研究区内的气溶胶光学厚度数据、 近红外指数数据、 再分析气象数据及日 均分辨率面数据作为一个数据样本， 将一个数据样本输入回归树模型， 获取输出 的预测盐 密值； 其中， 每次输入的数据样本不同； 根据所述目标训练研究区的实测盐密值与 所述预测盐密值计算误差值， 并根据 所述误 差值调整所述回归树模型 的参数， 返回执行所述将一个数据样本输入回归树模型， 获取输 出的预测盐密值的步骤及后续步骤， 直至验证通过预设的精度要求， 获取训练完成的回归 树模型。 2.根据权利要求1所述的方法， 其特征在于， 所述获取目标训练研究区内的气溶胶光学 厚度数据和红外数据， 并根据所述红外数据计算近红外指数 数据， 包括： 获取目标训练研究区内多天的日均分辨率气溶胶光学厚度 数据， 并通过最大值合成法 将预设天数的日均分辨率气溶胶光学厚度数据的每个像元的值求月最大值， 以得到月均分 辨率气溶胶光学厚度数据， 将所述日均分辨率气溶胶光学厚度数据和所述月均分辨率气溶 胶光学厚度数据作为所述气溶胶光学厚度数据； 获取目标训练研究区内近红外波段的反射值和红光波段的反射值， 根据 所述近红外波 段的反射值和红光波段的反射值计算归一化植被指数， 并计算所述归一化植被指数与近红 外波段反射 率的乘积， 将得到的乘积值作为所述近红外指数 数据。 3.根据权利要求1所述的方法， 其特征在于， 所述获取目标训练研究区内的气溶胶光学 厚度数据和红外数据， 并根据所述红外数据计算近红外指数 数据之后， 还 包括： 通过最近邻采样法对所述近红外指数数据进行重采样， 以使得重采样后的气溶胶光学 厚度数据和近红外指数 数据的空间分辨 率保持一 致。 4.根据权利要求3所述的方法， 其特征在于， 所述获取目标训练研究区内的再分析气象 数据之后， 还 包括： 对所述再分析气象数据进行裁剪， 并通过克里金插值法对裁剪后的再分析气象数据进 行重采样， 以使得重采样后的再分析气象数与重采样后的气溶胶光学厚度数据和近红外指 数数据的空间分辨 率保持一 致。 5.根据权利要求1所述的方法， 其特 征在于， 所述方法， 还 包括： 通过最大值合成法将所述日均分辨率面数据合成为月均分辨率面数据， 并将所述月均 分辨率面数据加入到所述数据样本中。 6.根据权利要求1所述的方法， 其特征在于， 所述将目标训练研究区内的气溶胶光学厚权　利　要　求　书 1/2 页 2 CN 114996327 A 2度数据、 近红外指数数据、 再分析气象数据及日均分辨率面数据作为一个数据样本， 将一个 数据样本 输入回归树模型， 获取输出的预测盐密值， 包括： 根据目标训练研究区的数据样本创建多个规则； 其中， 每个规则对应一类输入的数据， 且关联一个相关的多 元线性回归模型和判断条件， 所有的多 元线性回归模 型和判断条件构 成所述回归树模型； 在回归树模型的终端节对所有多元线性 回归模型输出的回归值求和并取平均， 将得到 的平均值作为所述预测盐密值。 7.根据权利要求1所述的方法， 其特 征在于， 所述方法， 还 包括： 通过留一法将数据样本划分为训练集和验证集， 计算验证集中数据样本的实测盐密值 与预测盐密值的相关系 数， 当所述相关系 数大于预设的系 数阈值时， 确定验证通过精度要 求。 8.一种污秽分布情况的监测方法， 其特 征在于， 所述方法包括： 获取目标研究区预设年份的气溶胶光学厚度数据、 近红外指数数据、 再分析气象数据 及日均分辨率面数据， 并输入回归树模 型， 获取输出的所述目标研究区的等值盐密分布； 其 中， 所述回归树模型通过如权利要求1所述的回归树模型训练方法训练得到； 根本所述目标研究区的等值盐密分布绘制污秽空间分布图； 其中， 所述污秽空间分布 图用于指示所述目标研究区的污秽分布情况。 9.一种计算机可读存储介质， 存储有计算机程序， 其特征在于， 所述计算机程序被处理 器执行时， 使得 所述处理器执行如权利要求1至8中任一项所述方法的步骤。 10.一种污秽分布情况的监测设备， 包括存储器和处理器， 其特征在于， 所述存储器存 储有计算机程序， 所述计算机程序被所述处理器执行时， 使得所述处理器执行如权利要求 1 至8中任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114996327 A 3