一种基于城市色彩预测生活污水与垃圾的系统

本发明涉及环保，具体涉及一种基于城市色彩预测生活污水与垃圾的系统。

背景技术：

1、人口增加、城市化率提高使得生活源污染逐渐成为影响城市环境质量的重要污染来源，引起广泛关注。近年来，我国生活垃圾清运量达到2.5亿吨/年，城市污水排放量达到了502亿立方米/年。为了掌握生活源污染负荷量的变化趋势，实现针对生活源污染的有效管理，有必要开展污染源负荷的预测。社会经济数据、人口统计数据等深刻影响生活污水、生活垃圾等生活污染源的产生量，因此污染源负荷预测结果的准确性常常依赖于这些宏观数据。但社会发展、人口统计等宏观数据由于数据收集和整理的时间长、数据更新频率低等原因，存在滞后性、粗糙性的问题，这使得基于传统方法构建的预测模型存在，输出结果的准确性低、时效性低，难以准确、及时地掌握生活源污染负荷的变化趋势的问题。

技术实现思路

1、本发明为了解决基于传统方法构建的预测模型存在，输出结果的准确性低、时效性低，难以准确、及时地掌握生活源污染负荷的变化趋势的问题。

2、数据采集模块、智能分析模块和结果输出模块；

3、所述数据采集模块用于采集应用区域的街景、遥感图像、城市颜色特征、区域的夜间灯光以及人口数量数据；

4、所述智能分析模块用于构建基于stacking方法的融合模型；获得训练好的基于stacking方法的融合模型；

5、所述训练好的基于stacking方法的融合模型用于根据应用区域的街景、遥感图像、城市颜色特征、区域的夜间灯光以及人口数量，预测得到生活污水与生活垃圾的产生质量；

6、所述结果输出模块用于输出智能分析模块的预测结果。

7、构建基于stacking方法的融合模型；获得训练好的基于stacking方法的融合模型的具体过程为：

8、步骤一：获取融合模型训练集和融合模型输入特征；

9、步骤二：构建基于stacking方法的融合模型，获得训练好的stacking方法的融合模型。

10、所述步骤一中获取融合模型训练集，具体过程为：

11、a1：获取回归关系数据集；所述分析回归关系数据集包括回归关系训练集和回归关系测试集；

12、a2：构建四种基本模型，采用回归关系训练集对四种基本模型进行训练，获得四种训练好的基本模型，

13、四种基本模型在回归关系训练集上的分析结果作为融合模型的输入特征；

14、四种训练好的基本模型在回归关系测试集上的分析结果作为融合模型的训练集。

15、所述步骤二中构建基于stacking方法的融合模型，获得训练好的stacking方法的融合模型，具体过程为：

16、选择线性回归算法作为基于stacking方法的融合模型，使用融合模型的输入特征和融合模型的训练集对基于stacking方法的融合模型进行训练，调整基于stacking方法的融合模型的正则化参数、学习率、迭代次数等超参数，获得训练好的基于stacking方法的融合模型。

17、有益效果：本方法面向生活污水、生活垃圾等生活源环境污染负荷量传统预测过程中，依赖的社会发展、人口统计等宏观数据特征具有滞后性、粗糙性问题，提出了一种基于深度学习框架，转化并融合高分辨率的城镇街景图像、卫星遥感影像，提取影像的色彩、纹理特征，构建基于影像特征的生活源污染负荷创新预测模型架构，相对于传统基于社会面板统计数据构建的模型具有时间步长短、空间细节强等优势

18、本发明首度利用高分辨率的城镇街景图像、卫星遥感图像的融合与转化，提取影像中的色彩、纹理等景观特征，基于深度学习框架，构建了基于影像特征的生活源污染负荷创新预测模型框架，实现了时间与空间上对生活源污染变化特征的分析，贴合当前ai+gis的应用场景，可以解决社会发展、人口统计等宏观数据特征具有滞后性、粗糙性的问题，相对于传统基于社会面板统计数据构建的模型具有时间步长短、空间细节强等优势。专利方法中gis+ai的应用提供强大的宏观规划与智能决策能力，在城乡不同场景下的生活源污染智能管理领域都有广大的应用前景。

技术特征：

1.一种基于城市色彩预测生活污水与垃圾的系统，其特征在于，包括

2.根据权利要求1所述的一种基于城市色彩预测生活污水与垃圾的系统，其特征在于，所述构建基于stacking方法的融合模型；获得训练好的基于stacking方法的融合模型的具体过程为：

3.根据权利要求2所述的一种基于城市色彩预测生活污水与垃圾的系统，其特征在于，所述步骤一中获取融合模型训练集和融合模型输入特征，具体过程为：

4.根据权利要求3所述的一种基于城市色彩预测生活污水与垃圾的系统，其特征在于，所述a1中获取回归关系数据集；具体过程为：

5.根据权利要求4所述的一种基于城市色彩预测生活污水与垃圾的系统，其特征在于，所述s1中采集应用区域的路网数据，具体过程为：

6.根据权利要求5所述的一种基于城市色彩预测生活污水与垃圾的系统，其特征在于，所述s3中构建s1采集的路网数据与s2采集的卫星遥感数据的关联关系，具体过程为：

7.根据权利要求6所述的一种基于城市色彩预测生活污水与垃圾的系统，其特征在于，

8.根据权利要求7所述的一种基于城市色彩预测生活污水与垃圾的系统，其特征在于，

9.根据权利要求8所述的一种基于城市色彩预测生活污水与垃圾的系统，其特征在于，所述a2中构建四种基本模型，采用回归关系训练集对四种基本模型进行训练，获得四种训练好的基本模型，具体过程为：

10.根据权利要求9所述的一种基于城市色彩预测生活污水与垃圾的系统，其特征在于，所述步骤二中构建基于stacking方法的融合模型，获得训练好的stacking方法的融合模型，具体过程为：

技术总结
本发明涉及环保技术领域，具体涉及一种基于城市色彩预测生活污水与垃圾的系统。本发明针对输出结果的准确性低、时效性低，难以准确、及时地掌握生活源污染负荷的变化趋势的问题，利用高分辨率的城镇街景图像、卫星遥感图像的融合与转化，提取影像中的色彩、纹理等景观特征，基于深度学习框架，构建了基于影像特征的生活源污染负荷创新预测模型框架，实现了时间与空间上对生活源污染变化特征的分析，贴合当前AI+GIS的应用场景，可以解决社会发展、人口统计等宏观数据特征具有滞后性、粗糙性的问题，相对于传统基于社会面板统计数据构建的模型具有时间步长短、空间细节强等优势。

技术研发人员：詹巍,刘一鸣,田禹,赵天瑞
受保护的技术使用者：哈尔滨工业大学人工智能研究院有限公司
技术研发日：
技术公布日：2024/3/31