1.一种基于深度排放因子修正的移动源污染预测方法,其特征在于:包括以下步骤,
步骤一、多源异构数据获取;
步骤二、自编码器特征抽取,通过构建三层自编码器网络结构,实现对所述多源异构数据特征降维抽取;
步骤三、尾气排放修正,将所述步骤二中提取的各数据源的降维特征数据,代入尾气排放修正模型。
2.根据权利要求1所述的基于深度排放因子修正的移动源污染预测方法,其特征在于:所述多源异构数据集包括气象数据、路网数据、交通流数据和pois数据;
所述气象数据包括天气、温度、湿度、气压和风力,所述气象数据从公开气象网站按每小时进行采集;
所述路网数据包括车道数、路段长度和道路等级,所述路网结构数据从数字地图获取;
所述交通流数据包括车流量和平均速度,所述交通流数据从数字地图获取;所述pois数据为区域内兴趣点公共设施特征分类,所述pois数据从数字地图获取。
3.根据权利要求1所述的基于深度排放因子修正的移动源污染预测方法,其特征在于:所述自编码器网络结构,包括自编码器网络输入层x、结果输出层y和降维特征隐藏层h;
h=f(w1×x+b1),y=f(w2×x+b2);
其中,w1、w2、b1、b2为自编码器网络结构参数。
4.根据权利要求1-3任意一项所述的基于深度排放因子修正的移动源污染预测方法,其特征在于:所述尾气排放修正模型为:
e=βpoi×lnt×e-w×ef×rna×rn×rlen+δe(t,w,poi);
其中,