传输溯源方法、装置、存储介质及电子设备与流程

1.本发明涉及计算机技术领域，尤其涉及一种传输溯源方法、装置、存储介质及电子设备。


背景技术：

2.目前，污染溯源是大气污染科学防控的重要前提，大气污染溯源大致可分为宏观溯源和微观溯源两类；其中，宏观溯源即是指大范围、大尺度（百公里级）的城市间的污染传输分析，微观溯源即是指中、小尺度（百米级）的污染传输分析，可得知站点周边污染来源或输送情况。需要说明的是，大气污染溯源的空间尺度普遍为几十公里至几百公里、时间尺度为小时、日、月或年，适用于较大尺度、较长时间段的污染溯源和防控。随着大气污染防治进程的推进，针对站点的局地精细化管控，如针对几千米、几百米的污染溯源开展差异化控制，已成为新的趋势和要求；其中，在几千米、几百米范围内，污染扩散时间约为几分钟到几十分钟。
3.现有技术中，大气污染防治领域对于其污染溯源主要依靠数值模式模拟计算求得，如通过动力学模式追溯排放源及贡献率的时空分布，结合排放源成分解析结果和排放源清单可追溯到具体的排放源，并实现对预报结果的同步溯源；其中，源模型法是以不同尺度数值模式方法定量描述大气污染物从源到受体所经历的物理化学过程，定量估算不同地区和不同类别污染源排放对环境空气中污染物的贡献。当前，大气污染溯源技术主要包括空气质量模型 cmaq、cmax以及camx-psat，颗粒物污染精准溯源hysplit（hybrid single-particle lagrangian integrated trajectory，一种计算气团运动轨迹，以及模拟复杂的扩散和沉降的模型），以及大涡模拟计算等。大部分模型只能做到大尺度区域污染溯源，且需要气象模型wrf（the weather research and forecasting model，天气预报模式）和排放源模型的支持。虽然现有技术可模拟真实的大气污染传送过程，但是存在操作难度大、计算量大、运算时间长、对硬件资源要求较高，以及在业务应用中通常比较繁琐等问题。基于此，如何构建目标图传输模型，以通过目标图传输模型便捷地预测站点之间的传输浓度，并提高业务效率成为一个研究热点。


技术实现要素：

4.有鉴于此，本发明实施例提供了一种传输溯源方法、装置、存储介质及电子设备，以解决传输浓度的计算过程中操作难度大、计算量大、运算时间长、对硬件资源要求较高，以及在业务应用中通常比较繁琐等问题；相应的，本发明实施例可构建目标图传输模型，以通过目标图传输模型便捷地预测站点之间的传输浓度，以实现便捷地传输溯源，并提高业务效率。
5.根据本发明的一方面，提供了一种传输溯源方法，所述方法包括：获取多个站点中各个站点的站点污染数据和站点气象数据，一个站点污染数据包括相应站点的目标污染物浓度，一个站点气象数据包括相应站点的至少一个气象数据；
基于所述各个站点的站点气象数据，分别计算任意两个具有传输关系的站点对应边的传输权重因子，具有传输关系的两个站点支持污染物在相应站点之间传输；基于所述各个站点的站点污染数据，以及各个边的传输权重因子，构建图结构数据，并调用图传输模型对所述图结构数据进行传输计算，得到所述各个边对应的预测污染传输浓度；根据所述各个边对应的预测污染传输浓度，计算所述图传输模型的模型损失值，并按照减小所述模型损失值的方向，优化所述图传输模型中的模型参数，以构建用于对传输浓度进行预测的目标图传输模型，所述目标图传输模型通过预测传输浓度实现传输溯源。
6.根据本发明的另一方面，提供了一种传输溯源装置，所述装置包括：获取单元，用于获取多个站点中各个站点的站点污染数据和站点气象数据，一个站点污染数据包括相应站点的目标污染物浓度，一个站点气象数据包括相应站点的至少一个气象数据；处理单元，用于基于所述各个站点的站点气象数据，分别计算任意两个具有传输关系的站点对应边的传输权重因子，具有传输关系的两个站点支持污染物在相应站点之间传输；所述处理单元，还用于基于所述各个站点的站点污染数据，以及各个边的传输权重因子，构建图结构数据，并调用图传输模型对所述图结构数据进行传输计算，得到所述各个边对应的预测污染传输浓度；所述处理单元，还用于根据所述各个边对应的预测污染传输浓度，计算所述图传输模型的模型损失值，并按照减小所述模型损失值的方向，优化所述图传输模型中的模型参数，以构建用于对传输浓度进行预测的目标图传输模型，所述目标图传输模型通过预测传输浓度实现传输溯源。
7.根据本发明的另一方面，提供了一种电子设备，所述电子设备包括处理器、以及存储程序的存储器，其中，所述程序包括指令，所述指令在由所述处理器执行时使所述处理器执行上述所提及的方法。
8.根据本发明的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行上述所提及的方法。
9.本发明实施例可在获取到多个站点中各个站点的站点污染数据和站点气象数据后，基于各个站点的站点气象数据，分别计算任意两个具有传输关系的站点对应边的传输权重因子，以便于后续通过传输权重因子进行污染传输浓度的预测，具有传输关系的两个站点支持污染物在相应站点之间传输。然后，可基于各个站点的站点污染数据，以及各个边的传输权重因子，构建图结构数据，并调用图传输模型对图结构数据进行传输计算，得到各个边对应的预测污染传输浓度。那么相应的，可根据各个边对应的预测污染传输浓度，计算图传输模型的模型损失值，并按照减小模型损失值的方向，优化图传输模型中的模型参数，以构建用于对传输浓度进行预测的目标图传输模型，目标图传输模型可通过预测传输浓度实现传输溯源，从而通过目标图传输模型便捷地预测站点之间的传输浓度，以实现便捷地传输溯源，并提高业务效率。
附图说明
10.在下面结合附图对于示例性实施例的描述中，本发明的更多细节、特征和优点被公开，在附图中：图1示出了根据本发明示例性实施例的一种传输溯源方法的流程示意图；图2示出了根据本发明示例性实施例的一种污染传输的示意图；图3示出了根据本发明示例性实施例的另一种传输溯源方法的流程示意图；图4示出了根据本发明示例性实施例的一种传输权重因子计算的示意图；图5示出了根据本发明示例性实施例的一种传输溯源装置的示意性框图；图6示出了能够用于实现本发明的实施例的示例性电子设备的结构框图。
具体实施方式
11.下面将参照附图更详细地描述本发明的实施例。虽然附图中显示了本发明的某些实施例，然而应当理解的是，本发明可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是，本发明的附图及实施例仅用于示例性作用，并非用于限制本发明的保护范围。
12.应当理解，本发明的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本发明的范围在此方面不受限制。
13.本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意，本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
14.需要注意，本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
15.本发明实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
16.需要说明的是，本发明实施例提供的传输溯源方法的执行主体可以是一个或多个电子设备，本发明对此不作限定；其中，电子设备可以是终端（即客户端）或者服务器，那么在执行主体包括多个电子设备，且多个电子设备中包括至少一个终端和至少一个服务器时，本发明实施例提供的传输溯源方法可由终端和服务器共同执行。相应的，此处所提及的终端可以包括但不限于：智能手机、平板电脑、笔记本电脑、台式计算机、智能手表、智能语音交互设备、智能家电、车载终端、飞行器，等等。此处所提及的服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算（cloud computing）、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn（content delivery network，内容分发网络）、以及大数据和人工智能平台等基础云计算服务的云服务器，等等。
17.基于上述描述，本发明实施例提出一种传输溯源方法，该传输溯源方法可以由上
述所提及的电子设备（终端或服务器）执行；或者，该传输溯源方法可由终端和服务器共同执行。为了便于阐述，后续均以电子设备执行该传输溯源方法为例进行说明；如图1所示，该传输溯源方法可包括以下步骤s101-s104：s101，获取多个站点中各个站点的站点污染数据和站点气象数据，一个站点污染数据包括相应站点的目标污染物浓度，一个站点气象数据包括相应站点的至少一个气象数据。
18.其中，目标污染物浓度是指目标污染物的浓度值，且目标污染物包括但不限于：二氧化硫、一氧化碳以及二氧化氮，等等；本发明对此不作限定。相应的，上述至少一个气象数据包括但不限于：风向、风速、温度、压强、湿度、大气边界层高度以及太阳辐射，等等；本发明对此不作限定。可选的，当一个站点可用于进行数据监测时，该站点也可称为监测站点。
19.在本发明实施例中，各个站点的站点污染数据和站点气象数据的获取方式可以包括但不限于以下几种：第一种获取方式：电子设备可获取各个站点的站点污染数据和站点气象数据的下载链接，并根据该下载链接进行下载，从而将基于该下载链接下载的站点污染数据和站点气象数据，作为各个站点的站点污染数据和站点气象数据。
20.第二种获取方式，电子设备存储有至少一个训练数据中各个站点的站点污染数据和站点气象数据，那么电子设备可从至少一个训练数据中选取一个训练数据，并将选取出的训练数据中各个站点的站点污染数据和站点气象数据，作为获取到的各个站点的站点污染数据和站点气象数据。
21.第三种获取方式：电子设备可具有数据采集组件，该数据采集组件可用于从各个站点的存储设备中采集数据，那么电子设备可通过数据采集组件，从各个站点的存储设备中，获取各个站点的站点污染数据和站点气象数据，等等。
22.s102，基于各个站点的站点气象数据，分别计算任意两个具有传输关系的站点对应边的传输权重因子，具有传输关系的两个站点支持污染物在相应站点之间传输。
23.示例性的，假设上述多个站点包括站点a、站点b以及站点c，且站点a和站点b之间具有传输关系，站点a和站点c之间具有传输关系，站点b和站点c之间不具有传输关系，那么电子设备可计算站点a和站点b对应边的传输权重因子，并计算站点a和站点c对应边的传输权重因子。
24.s103，基于各个站点的站点污染数据，以及各个边的传输权重因子，构建图结构数据，并调用图传输模型对图结构数据进行传输计算，得到各个边对应的预测污染传输浓度。
25.其中，上述各个边（edge）均为有向边，那么任意两个具有传输关系的站点对应边可包括至少一条有向边。示例性的，如图2所示，以站点a和站点b为例进行说明，站点a和站点b为具有传输关系的两个站点，且站点a和站点b对应边可包括两条有向边；在此种情况下，针对站点a来说，站点a和站点b对应边中的一条有向边为站点a的输入边（即站点a和站点b之间的实线箭头所表示的有向边），该输入边的起始点为站点b，且该输入边的终点为站点a；相应的，站点a和站点b对应边中的另一条有向边为站点a的输出边（即站点a和站点b之间的虚线箭头所指示的有向边），该输出边的起始点为站点a，且该输出边的终点为站点b。
26.需要说明的是，上述图（graph）结构数据可包括但不限于站点数据和边数据，且站点数据包括但不限于各个站点的站点污染数据以及各个站点的目标气象数据等，本发明对
此不作限定；其中，一个站点的目标气象数据包括但不限于：相应站点的站点气象数据中的温度、压强、湿度、大气边界层高度以及太阳辐射等，本发明对此不作限定。相应的，上述边数据可包括但不限于各个边的传输权重因子，且边数据可以是按照邻接矩阵的形式进行存储的，也可以是按照邻接列表的形式进行存储的，等等；本发明对此不作限定。
27.s104，根据各个边对应的预测污染传输浓度，计算图传输模型的模型损失值，并按照减小模型损失值的方向，优化图传输模型中的模型参数，以构建用于对传输浓度进行预测的目标图传输模型，目标图传输模型通过预测传输浓度实现传输溯源。
28.其中，图传输模型可以指的是gnn（graph neutral network，图神经网络），也可以指的是gcn（graph convolutional network，图卷积神经网络），还可以指的是gan（graph attention network，图注意力网络），等等；本发明对此不作限定。应当理解的是，深度学习技术在大气环境领域的应用愈发广泛，进一步的，深度学习技术中的图神经网络技术可充分考虑节点（即站点）之间的关联、联系，即任意两个具有传输关系的站点对应边，可较好地应用于大气污染传输、溯源等场景；其中，图传输模型的计算主要包括传播和输出两个部分，传播部分主要用于将邻居节点（即具有传输关系的站点）和边的信息（即上述站点数据和边数据）结合在一起，得到当前节点的状态，而输出部分则可将节点的特征和状态转为输出向量。应当理解的是，本发明实施例可将图传输模型中边的有向性与污染传输浓度的计算进行结合，从而实现对站点（如城市）之间污染传输浓度的计算，污染传输浓度也可称为污染传输量、污染净传输量或污染传输贡献等。
29.需要说明的是，各个边对应的标签值（即真实值）可来自参考数值模式的计算结果，且标签值可称为参考污染传输浓度。基于此，在根据各个边对应的预测污染传输浓度，计算图传输模型的模型损失值时，电子设备可调用参考数值模型，基于各个站点的站点污染数据和站点气象数据，计算各个边对应的参考污染传输浓度；并采用各个边对应的预测污染传输浓度，与相应边对应的参考污染传输浓度之间的差值，计算图传输模型的模型损失值。
30.在本发明实施例中，电子设备可采用公式1.1，计算各个边对应的预测污染传输浓度和相应边对应的参考污染传输浓度的均方根误差（rmseloss），以得到图传输模型的模型损失值：式1.1其中，l
rmse
为模型损失值，m为边的数量，i为m条边中的第i条边，y
pred,i
为第i条边对应的预测污染传输浓度，y
true,i
为第i条边对应的参考污染传输浓度。可选的，本发明实施例也可采用各个边对应的预测污染传输浓度，与相应边对应的参考污染传输浓度之间的差值，计算平均绝对误差，以得到图传输模型的模型损失值，等等；本发明对此不作限定。
31.需要说明的是，大尺度污染溯源技术包括但不限于：污染源示踪技术（如psat（particulate source apportionment technology，颗粒物源识别技术）、osat（ozone source apportionment technology，臭氧源识别技术）等）、气团轨迹模型等，小尺度溯源技术包括但不限于：小尺度高斯扩散模型（如adms（atmospheric dispersion modeling system，一种大气扩散模型）、calpuff（一种高斯烟团扩散模型）等）、拉格朗日扩散模型等。基于此，上述参考数值模型可包括但不限于：污染源示踪技术、气团轨迹模型、高斯扩散模
型以及拉格朗日扩散模型，等等；本发明对此不作限定。
32.示例性的，如图2所示，在t时刻下，站点a的目标污染物浓度可以取决于t-1时刻站点a的目标污染物浓度以及站点b、c、d三点与站点a之间的污染传输浓度总和，其中，t-1时刻站点a的目标污染物浓度可由站点a在t-1时刻下监测得到，或在t-1时刻通过卫星遥感技术监测得到的，等等，t为正整数。在模型优化过程中（即训练过程中），可采用参考数值模型分别计算站点b、c、d与站点a之间的参考污染传输浓度（可作为训练过程中的标签值），并获取t-1时刻对应的各个站点的站点污染数据和站点气象数据，以形成训练数据。在预测过程中，当预测t时刻下各个站点的目标污染物浓度时，可将t-1时刻对应的各个站点的站点污染数据和站点气象数据输入目标图传输模型，从而计算出t时刻下各个站点之间的预测污染传输浓度，即周边各站点的净传输量。
33.需要说明的是，在采用第一时刻（如t-1时刻）对应的站点污染数据和站点气象数据（即第一时刻对应的各个站点的站点污染数据和站点气象数据），计算第二时刻（如t时刻）下各个站点之间的预测污染传输浓度时，第一时刻对应的站点气象数据可以是：各个站点在第二时刻的站点气象数据，也可以是：各个站点在第一时刻下的站点气象数据，等等；本发明对此不作限定。
34.应当理解的是，通过污染溯源精细化定量分析区域贡献、行业贡献、重点企业贡献，可直观查看污染物扩散范围和影响区域、污染扩散轨迹，识别重点区域、重点企业，从而为科学治污，为管理部门建立极端污染天气条件下的应急预案和响应机制、及时采取控制措施提供参考建议，并可为应对污染天气和区域大气污染联防联控提供技术支持。
35.本发明实施例可在获取到多个站点中各个站点的站点污染数据和站点气象数据后，基于各个站点的站点气象数据，分别计算任意两个具有传输关系的站点对应边的传输权重因子，以便于后续通过传输权重因子进行污染传输浓度的预测，具有传输关系的两个站点支持污染物在相应站点之间传输。然后，可基于各个站点的站点污染数据，以及各个边的传输权重因子，构建图结构数据，并调用图传输模型对图结构数据进行传输计算，得到各个边对应的预测污染传输浓度。那么相应的，可根据各个边对应的预测污染传输浓度，计算图传输模型的模型损失值，并按照减小模型损失值的方向，优化图传输模型中的模型参数，以构建用于对传输浓度进行预测的目标图传输模型，目标图传输模型可通过预测传输浓度实现传输溯源，从而通过目标图传输模型便捷地预测站点之间的传输浓度，以实现便捷地传输溯源，并提高业务效率。
36.基于上述描述，本发明实施例还提出一种更为具体的传输溯源方法。相应的，该传输溯源方法可以由上述所提及的电子设备（终端或服务器）执行；或者，该传输溯源方法可由终端和服务器共同执行。为了便于阐述，后续均以电子设备执行该传输溯源方法为例进行说明；请参见图3，该传输溯源方法可包括以下步骤s301-s305：s301，获取多个站点中各个站点的站点污染数据和站点气象数据，一个站点污染数据包括相应站点的目标污染物浓度，一个站点气象数据包括相应站点的至少一个气象数据。
37.需要说明的是，上述多个站点可以是构建的所有监测站点，也可以是构建的监测站点中的部分站点，还可以是设置的任意站点（此时多个站点中可包括不支持数据监测的站点），等等；本发明对此不作限定。
38.s302，获取各个站点对应的地形数据，地形数据包括多个站点中任意两个站点之间的站点距离。
39.其中，两个站点之间的站点距离可以是指两个站点之间的地理距离（即测地距离），也可以指的是两个站点之间的欧氏距离，等等；本发明对此不作限定。需要说明的是，由于地理距离能更好地描述两个站点之间的实际间隔，故本发明实施例可优选地理距离作为站点距离。
40.在本发明实施例中，电子设备可基于地形数据，确定各个站点对应的邻接数据，邻接数据用于指示多个站点中任意两个站点的传输关系；然后，可根据邻接数据，从多个站点中分别确定出任意两个具有传输关系的站点。其中，传输关系也可称为关联性或传输可能性等，也就是说，两个站点之间具有传输关系可以指的是：两个站点之间具有关联性，两个站点之间不有具有传输关系（即无传输关系）可以指的是：两个站点之间无关联性。需要说明的是，上述邻接数据可以是邻接矩阵，也可以是邻接列表等，本发明对此不作限定。本发明实施例可充分考虑各个站点之间的邻接关系，以反映各个站点之间的传输关系，以便于后续基于图传输模型可更好的计算站点之间的污染传输浓度。
41.应当理解的是，站点之间是否具有传输关系可取决于站点之间的站点距离，也可取决于站点之间的阻隔信息，还可取决于站点之间的站点距离和阻隔信息，等等；本发明对此不作限定。其中，阻隔信息也可称为高山阻隔效应或高程数据等。可选的，站点之间的传输关系可以是无方向性的，即具有传输关系的两个站点之间可互相传输污染物，此时任意两个具有传输关系的站点对应边包括两条有向边。相应的，地形数据还可包括多个站点中任意两个站点之间的阻隔信息。
42.具体的，针对多个站点中的第三站点和第四站点，若第三站点与第四站点之间的站点距离小于预设站点距离，则电子设备可确定第三站点和第四站点之间具有传输关系，并在邻接数据中添加第三站点和第四站点之间具有传输关系的有传输标识；或者，若第三站点与第四站点之间的阻隔信息小于预设阻隔信息，则电子设备可确定第三站点和第四站点之间具有传输关系，并在邻接数据中添加第三站点和第四站点之间具有传输关系的有传输标识；或者，若第三站点与第四站点之间的站点距离小于预设站点距离，且第三站点与第四站点之间的阻隔信息小于预设阻隔信息，则电子设备可确定第三站点和第四站点之间具有传输关系，并在邻接数据中添加第三站点和第四站点之间具有传输关系的有传输标识。
43.其中，预设站点距离可以是300公里，也可以是500公里等，本发明对此不作限定。相应的，两个站点之间的阻隔信息是指两个站点之间的山体高度信息，如两个站点之间存在山体高度信息大于或等于预设阻隔信息时，两个站点之间不具有传输关系；可选的，预设阻隔信息可以是1000米，也可以是1100米等，本发明对此不作限定。
44.在本发明实施例中，上述有传输标识可以是数字标识（如1等），也可以是字母标识（如a等），等等；本发明对此不作限定。相应的，当第三站点和第四站点之间不具有传输关系时，电子设备可在邻接数据中添加第三站点和第四站点之间不具有传输关系的无传输标识；其中，无传输标识可以是数字标识（如0等），也可以是字母标识（如b等），本发明对此不作限定。
45.s303，基于各个站点的站点气象数据和地形数据，分别计算任意两个具有传输关系的站点对应边的传输权重因子。
46.具体的，一个站点的站点气象数据可包括相应站点的风速和风向，两个具有传输关系的站点对应边包括至少一条有向边，且两个具有传输关系的站点对应边的传输权重因子包括：相应至少一条有向边中每条有向边的传输权重因子。
47.基于此，针对多个站点中第一站点和第二站点对应边所涉及的第一条有向边，电子设备可确定第一条有向边的方向，第一条有向边的起始点（即源节点）为第一站点，第一条有向边的终点（即汇节点）为第二站点，且第一站点与第二站点之间具有传输关系；并采用第一条有向边的方向与第一站点的风向之间的差值，计算第一站点的风向与第一条有向边的方向之间的角度信息。然后，电子设备可基于角度信息、第一站点的风速，以及第一站点与第二站点之间的站点距离，计算第一条有向边的传输权重因子，第一站点与第二站点之间的站点距离是从地形数据中确定出的。应当理解的是，第一条有向边为第一站点的输出边，且为第二站点的输入边；其中，第一站点和第二站点为：多个站点中任意两个具有传输关系的站点。
48.具体的，电子设备可采用公式1.2，计算上述第一条有向边的传输权重因子：式1.2其中，|v|为源节点（即第一站点）的风速（即风速值），d为第一站点与第二站点之间的站点距离，α为第一站点的风向与第一条有向边的方向之间的角度信息，且α=|γ-β|，γ为第一条有向边的方向，β为第一站点的风向。相应的，relu函数为一个激活函数，是为了考虑从第一站点到第二站点的单向传输影响。可选的，计算传输权重因子时的激活函数也可为sigmoid函数等，本发明对此不作限定。
49.示例性的，如图4所示，假设第一站点为站点a、第二站点为站点b，则第一条有向边为站点a指向站点b的边，第一条有向边的方向γ为角度值b，第一站点的风向β为角度值a，在此种情况下，第一站点的风向与第一条有向边的方向之间的角度信息α为角度值c。
50.s304，基于各个站点的站点污染数据，以及各个边的传输权重因子，构建图结构数据，并调用图传输模型对图结构数据进行传输计算，得到各个边对应的预测污染传输浓度。
51.应当理解的是，采用各个边的传输权重因子以构建图结构数据的过程是指：将各个站点之间的传输效应融入到图结构中的过程，即是指在图结构数据中增加图中各个边的属性（即传输权重因子）。其中，各个边所构成的边集合可包括多个站点中具有传输关系的站点之间的每条边。
52.示例性的，假设多个站点包括站点a、站点b以及站点c，且站点a和站点b之间具有传输关系，站点a和站点c之间具有传输关系，站点b和站点c之间不具有传输关系；又假设站点a和站点b对应边包括边1和边2，站点a和站点c对应边包括边3和边4，那么上述各个边分别为边1、边2、边3以及边4，且上述各个边所构成的边集合包括边1、边2、边3以及边4。
53.s305，根据各个边对应的预测污染传输浓度，计算图传输模型的模型损失值，并按照减小模型损失值的方向，优化图传输模型中的模型参数，以构建用于对传输浓度进行预测的目标图传输模型，目标图传输模型通过预测传输浓度实现传输溯源。
54.在本发明实施例中，多个站点中各个站点的站点污染数据和站点气象数据均是从训练数据集中获取到的，一个训练数据包括一次模型优化所需的各个站点的站点污染数据和站点气象数据。需要说明的是，任一站点的站点污染数据可以是该任一站点所监测到的，
也可以是通过卫星遥感技术所监测到的，还可以是通过模式模拟所生成的，等等，本发明对此不作限定；相应的，任一站点的站点气象数据可以是该任一站点所监测到的，也可以是通过fnl（final operational global analysis，一种全球再分析数据）获取到的，还可以是通过模式模拟所生成的，等等，本发明对此不作限定。
55.基于此，电子设备可获取训练数据集，并遍历训练数据集中的各个训练数据，以使各个站点的站点污染数据和站点气象数据是从当前遍历的训练数据中获取到的；在遍历完训练数据集中的各个训练数据后，完成对图传输模型中的模型参数的n次优化，n为训练数据集中训练数据的数量。进一步的，电子设备可迭代上述步骤，若迭代次数达到预设迭代周期，则对当前系统时间下的图传输模型中的模型参数进行衰减处理，得到衰减处理后的图传输模型；并继续对衰减处理后的图传输模型进行模型优化，直至达到收敛条件。应当理解的是，达到收敛条件时的图传输模型即为目标图传输模型；此处达到收敛条件可以指的是迭代次数达到预设迭代次数，也可以指的是模型损失值小于预设阈值，本发明对此不作限定。相应的，预设迭代次数可以是1000次，也可以是500次，本发明对此不作限定；预设阈值可以是0.01，也可以是0.001等，本发明对此不作限定。
56.可选的，上述训练数据集可包括历史数据集中的至少一个历史数据，一个历史数据包括但不限于：一个历史时刻下各个站点的站点污染数据和站点气象数据、以及各个边对应的参考污染传输浓度等，本发明对此不作限定；一个历史时刻是指位于当前系统时间之前的时刻，当一个站点的站点污染数据和站点气象数据是监测到的数据时，一个历史时刻即是指位于当前系统时间之前的监测时刻。需要说明的是，历史数据集可包括过去5年中各个历史时刻下的历史数据，也可包括过去3年中各个历史时刻下的历史数据，本发明对此不作限定。可选的，历史数据集可包括训练数据集和测试数据集，电子设备可采用测试数据集对最终得到的目标图传输模型进行测试，以得到目标图传输模型的测试精度。
57.需要说明的是，上述预设迭代周期可以为50，也可以为60等，本发明对此不作限定。相应的，迭代次数每达到一次预设迭代周期，电子设备则可对当前系统时间下的图传输模型中的模型参数进行衰减处理，可有效避免图传输模型达到局部收敛。示例性的，假设预设迭代周期为50，那么在迭代次数达到50时，电子设备可进行衰减处理；在迭代次数达到100时，电子设备可进行衰减处理；以及，在迭代次数达到150时，电子设备可进行衰减处理，等等。可选的，电子设备在进行衰减处理时，可按照预设衰减权重对当前系统时间下的图传输模型中的模型参数进行衰减处理；其中，预设衰减权重可以为0.0005，也可以为0.006等，本发明对此不作限定。
58.在本发明实施例中，模型优化过程中的学习率可初始为0.0001，也可初始为0.001等，本发明对此不作限定。相应的，电子设备可采用adam方法（adaptive momentum，一种自适应动量的随机优化方法）对图传输模型中的模型参数进行优化，也可采用adagrad（一种适应性梯度算法）对图传输模型中的模型参数进行优化，等等；本发明对此不作限定。
59.需要说明的是，在得到目标图传输模型后，电子设备可获取各个站点的实际数据（包括实时的站点污染数据和站点气象数据），并采用实际数据对计算结果进行动态更新，得到更新后的预测污染传输浓度，从而实现传输溯源的实时更新；应当理解的是，参考数值模型基于排放源清单而实施的动态更新较慢且难度较大，本发明实施例可便捷地实现计算结果的动态更新。
60.本发明实施例可在获取到多个站点中各个站点的站点污染数据和站点气象数据，以及获取到各个站点对应的地形数据后，基于各个站点的站点气象数据和地形数据，分别计算任意两个具有传输关系的站点对应边的传输权重因子；然后，基于各个站点的站点污染数据，以及各个边的传输权重因子，构建图结构数据，并调用图传输模型对图结构数据进行传输计算，得到各个边对应的预测污染传输浓度。进一步的，可根据各个边对应的预测污染传输浓度，计算图传输模型的模型损失值，并按照减小模型损失值的方向，优化图传输模型中的模型参数，以构建用于对传输浓度进行预测的目标图传输模型，目标图传输模型通过预测传输浓度实现传输溯源。可见，本发明实施例可结合深度学习技术、将大气环境领域知识融入到图传输模型进行训练，从而训练了一套多节点、多关联性的图结构，以量化站点（如城市）之间的污染传输浓度，从而高效地计算污染传输浓度，以实现便捷地传输溯源，并提高业务效率。
61.基于上述传输溯源方法的相关实施例的描述，本发明实施例还提出了一种传输溯源装置，该传输溯源装置可以是运行于电子设备中的一个计算机程序（包括程序代码）；如图5所示，该传输溯源装置可包括获取单元501和处理单元502。该传输溯源装置可以执行图1或图3所示的传输溯源方法，即该传输溯源装置可以运行上述单元：获取单元501，用于获取多个站点中各个站点的站点污染数据和站点气象数据，一个站点污染数据包括相应站点的目标污染物浓度，一个站点气象数据包括相应站点的至少一个气象数据；处理单元502，用于基于所述各个站点的站点气象数据，分别计算任意两个具有传输关系的站点对应边的传输权重因子，具有传输关系的两个站点支持污染物在相应站点之间传输；所述处理单元502，还用于基于所述各个站点的站点污染数据，以及各个边的传输权重因子，构建图结构数据，并调用图传输模型对所述图结构数据进行传输计算，得到所述各个边对应的预测污染传输浓度；所述处理单元502，还用于根据所述各个边对应的预测污染传输浓度，计算所述图传输模型的模型损失值，并按照减小所述模型损失值的方向，优化所述图传输模型中的模型参数，以构建用于对传输浓度进行预测的目标图传输模型，所述目标图传输模型通过预测传输浓度实现传输溯源。
62.在一种实施方式中，处理单元502在基于所述各个站点的站点气象数据，分别计算任意两个具有传输关系的站点对应边的传输权重因子时，可具体用于：获取所述各个站点对应的地形数据，所述地形数据包括所述多个站点中任意两个站点之间的站点距离；基于所述各个站点的站点气象数据和所述地形数据，分别计算任意两个具有传输关系的站点对应边的传输权重因子。
63.另一种实施方式中，一个站点的站点气象数据包括相应站点的风速和风向，两个具有传输关系的站点对应边包括至少一条有向边，且两个具有传输关系的站点对应边的传输权重因子包括：相应至少一条有向边中每条有向边的传输权重因子；处理单元502在基于所述各个站点的站点气象数据和所述地形数据，分别计算任意两个具有传输关系的站点对应边的传输权重因子时，可具体用于：
针对所述多个站点中第一站点和第二站点对应边所涉及的第一条有向边，确定所述第一条有向边的方向，所述第一条有向边的起始点为所述第一站点，所述第一条有向边的终点为所述第二站点，且所述第一站点与所述第二站点之间具有传输关系；采用所述第一条有向边的方向与所述第一站点的风向之间的差值，计算所述第一站点的风向与所述第一条有向边的方向之间的角度信息；基于所述角度信息、所述第一站点的风速，以及所述第一站点与所述第二站点之间的站点距离，计算所述第一条有向边的传输权重因子，所述第一站点与所述第二站点之间的站点距离是从所述地形数据中确定出的。
64.另一种实施方式中，处理单元502还可用于：基于所述地形数据，确定所述各个站点对应的邻接数据，所述邻接数据用于指示所述多个站点中任意两个站点的传输关系；根据所述邻接数据，从所述多个站点中分别确定出任意两个具有传输关系的站点。
65.另一种实施方式中，地形数据还包括所述多个站点中任意两个站点之间的阻隔信息，处理单元502在基于所述地形数据，确定所述各个站点对应的邻接数据时，还可用于：针对所述多个站点中的第三站点和第四站点，若所述第三站点与所述第四站点之间的站点距离小于预设站点距离，则确定所述第三站点和所述第四站点之间具有传输关系，并在所述邻接数据中添加所述第三站点和所述第四站点之间具有传输关系的有传输标识；或者，若所述第三站点与所述第四站点之间的阻隔信息小于预设阻隔信息，则确定所述第三站点和所述第四站点之间具有传输关系，并在所述邻接数据中添加所述第三站点和所述第四站点之间具有传输关系的有传输标识；或者，若所述第三站点与所述第四站点之间的站点距离小于所述预设站点距离，且所述第三站点与所述第四站点之间的阻隔信息小于所述预设阻隔信息，则确定所述第三站点和所述第四站点之间具有传输关系，并在所述邻接数据中添加所述第三站点和所述第四站点之间具有传输关系的有传输标识。
66.另一种实施方式中，处理单元502在根据所述各个边对应的预测污染传输浓度，计算所述图传输模型的模型损失值时，可具体用于：调用参考数值模型，基于所述各个站点的站点污染数据和站点气象数据，计算所述各个边对应的参考污染传输浓度；采用所述各个边对应的预测污染传输浓度，与相应边对应的参考污染传输浓度之间的差值，计算所述图传输模型的模型损失值。
67.另一种实施方式中，多个站点中各个站点的站点污染数据和站点气象数据均是从训练数据集中获取到的，一个训练数据包括一次模型优化所需的所述各个站点的站点污染数据和站点气象数据；获取单元501还可用于：获取所述训练数据集，并遍历所述训练数据集中的各个训练数据，以使所述各个站点的站点污染数据和站点气象数据是从当前遍历的训练数据中获取到的；处理单元502还可用于：在遍历完所述训练数据集中的各个训练数据后，完成对所述图传输模型中的模型
参数的n次优化，n为所述训练数据集中训练数据的数量；迭代上述步骤，若迭代次数达到预设迭代周期，则对当前系统时间下的图传输模型中的模型参数进行衰减处理，得到衰减处理后的图传输模型；并继续对所述衰减处理后的图传输模型进行模型优化，直至达到收敛条件。
68.根据本发明的一个实施例，图1或图3所示的方法所涉及的各个步骤均可由图5所示的传输溯源装置中的各个单元来执行的。例如，图1中所示的步骤s101可由图5中所示的获取单元501执行，步骤s102-s104均可由图5中所示的处理单元502执行。又如，图3中所示的步骤s301可由图5中所示的获取单元501执行，步骤s302-s305均可由图5中所示的处理单元502执行，等等。
69.根据本发明的另一个实施例，图5所示的传输溯源装置中的各个单元均可以分别或全部合并为一个或若干个另外的单元来构成，或者其中的某个（些）单元还可以再拆分为功能上更小的多个单元来构成，这可以实现同样的操作，而不影响本发明的实施例的技术效果的实现。上述单元是基于逻辑功能划分的，在实际应用中，一个单元的功能也可以由多个单元来实现，或者多个单元的功能由一个单元实现。在本发明的其它实施例中，任一传输溯源装置也可以包括其他单元，在实际应用中，这些功能也可以由其它单元协助实现，并且可以由多个单元协作实现。
70.根据本发明的另一个实施例，可以通过在包括中央处理单元（cpu）、随机存取存储介质（ram）、只读存储介质（rom）等处理元件和存储元件的例如计算机的通用电子设备上运行能够执行如图1或图3中所示的相应方法所涉及的各步骤的计算机程序（包括程序代码），来构造如图5中所示的传输溯源装置，以及来实现本发明实施例的传输溯源方法。所述计算机程序可以记载于例如计算机存储介质上，并通过计算机存储介质装载于上述电子设备中，并在其中运行。
71.本发明实施例可在获取到多个站点中各个站点的站点污染数据和站点气象数据后，基于各个站点的站点气象数据，分别计算任意两个具有传输关系的站点对应边的传输权重因子，以便于后续通过传输权重因子进行污染传输浓度的预测，具有传输关系的两个站点支持污染物在相应站点之间传输。然后，可基于各个站点的站点污染数据，以及各个边的传输权重因子，构建图结构数据，并调用图传输模型对图结构数据进行传输计算，得到各个边对应的预测污染传输浓度。那么相应的，可根据各个边对应的预测污染传输浓度，计算图传输模型的模型损失值，并按照减小模型损失值的方向，优化图传输模型中的模型参数，以构建用于对传输浓度进行预测的目标图传输模型，目标图传输模型可通过预测传输浓度实现传输溯源，从而通过目标图传输模型便捷地预测站点之间的传输浓度，以实现便捷地传输溯源，并提高业务效率。
72.基于上述方法实施例以及装置实施例的描述，本发明示例性实施例还提供一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器。所述存储器存储有能够被所述至少一个处理器执行的计算机程序，所述计算机程序在被所述至少一个处理器执行时用于使所述电子设备执行根据本发明实施例的方法。
73.本发明示例性实施例还提供一种存储有计算机程序的非瞬时计算机可读存储介质，其中，所述计算机程序在被计算机的处理器执行时用于使所述计算机执行根据本发明实施例的方法。
74.本发明示例性实施例还提供一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被计算机的处理器执行时用于使所述计算机执行根据本发明实施例的方法。
75.参考图6，现将描述可以作为本发明的服务器或客户端的电子设备600的结构框图，其是可以应用于本发明的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
76.如图6所示，电子设备600包括计算单元601，其可以根据存储在只读存储器（rom）602中的计算机程序或者从存储单元608加载到随机访问存储器（ram）603中的计算机程序，来执行各种适当的动作和处理。在ram 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、rom 602以及ram 603通过总线604彼此相连。输入/输出（i/o）接口605也连接至总线604。
77.电子设备600中的多个部件连接至i/o接口605，包括：输入单元606、输出单元607、存储单元608以及通信单元609。输入单元606可以是能向电子设备600输入信息的任何类型的设备，输入单元606可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入。输出单元607可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元608可以包括但不限于磁盘、光盘。通信单元609允许电子设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙tm设备、wifi设备、wimax设备、蜂窝通信设备和/或类似物。
78.计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元（cpu）、图形处理单元（gpu）、各种专用的人工智能（ai）计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器（dsp）、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理。例如，在一些实施例中，传输溯源方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由rom 602和/或通信单元609而被载入和/或安装到电子设备600上。在一些实施例中，计算单元601可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行传输溯源方法。
79.用于实施本发明的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
80.在本发明的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电
子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（ram）、只读存储器（rom）、可擦除可编程只读存储器（eprom或快闪存储器）、光纤、便捷式紧凑盘只读存储器（cd-rom）、光学储存设备、磁储存设备、或上述内容的任何合适组合。
81.如本发明使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置（例如，磁盘、光盘、存储器、可编程逻辑装置（pld）），包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
82.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置（例如，crt（阴极射线管）或者lcd（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。
83.可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（lan）、广域网（wan）和互联网。
84.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
85.并且，应理解的是，以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

技术特征：
1.一种传输溯源方法，其特征在于，包括：获取多个站点中各个站点的站点污染数据和站点气象数据，一个站点污染数据包括相应站点的目标污染物浓度，一个站点气象数据包括相应站点的至少一个气象数据；基于所述各个站点的站点气象数据，分别计算任意两个具有传输关系的站点对应边的传输权重因子，具有传输关系的两个站点支持污染物在相应站点之间传输；基于所述各个站点的站点污染数据，以及各个边的传输权重因子，构建图结构数据，并调用图传输模型对所述图结构数据进行传输计算，得到所述各个边对应的预测污染传输浓度；根据所述各个边对应的预测污染传输浓度，计算所述图传输模型的模型损失值，并按照减小所述模型损失值的方向，优化所述图传输模型中的模型参数，以构建用于对传输浓度进行预测的目标图传输模型，所述目标图传输模型通过预测传输浓度实现传输溯源。2.根据权利要求1所述的方法，其特征在于，所述基于所述各个站点的站点气象数据，分别计算任意两个具有传输关系的站点对应边的传输权重因子，包括：获取所述各个站点对应的地形数据，所述地形数据包括所述多个站点中任意两个站点之间的站点距离；基于所述各个站点的站点气象数据和所述地形数据，分别计算任意两个具有传输关系的站点对应边的传输权重因子。3.根据权利要求2所述的方法，其特征在于，一个站点的站点气象数据包括相应站点的风速和风向，两个具有传输关系的站点对应边包括至少一条有向边，且两个具有传输关系的站点对应边的传输权重因子包括：相应至少一条有向边中每条有向边的传输权重因子；所述基于所述各个站点的站点气象数据和所述地形数据，分别计算任意两个具有传输关系的站点对应边的传输权重因子，包括：针对所述多个站点中第一站点和第二站点对应边所涉及的第一条有向边，确定所述第一条有向边的方向，所述第一条有向边的起始点为所述第一站点，所述第一条有向边的终点为所述第二站点，且所述第一站点与所述第二站点之间具有传输关系；采用所述第一条有向边的方向与所述第一站点的风向之间的差值，计算所述第一站点的风向与所述第一条有向边的方向之间的角度信息；基于所述角度信息、所述第一站点的风速，以及所述第一站点与所述第二站点之间的站点距离，计算所述第一条有向边的传输权重因子，所述第一站点与所述第二站点之间的站点距离是从所述地形数据中确定出的。4.根据权利要求2所述的方法，其特征在于，所述方法还包括：基于所述地形数据，确定所述各个站点对应的邻接数据，所述邻接数据用于指示所述多个站点中任意两个站点的传输关系；根据所述邻接数据，从所述多个站点中分别确定出任意两个具有传输关系的站点。5.根据权利要求4所述的方法，其特征在于，所述地形数据还包括所述多个站点中任意两个站点之间的阻隔信息，所述基于所述地形数据，确定所述各个站点对应的邻接数据，包括：针对所述多个站点中的第三站点和第四站点，若所述第三站点与所述第四站点之间的站点距离小于预设站点距离，则确定所述第三站点和所述第四站点之间具有传输关系，并
在所述邻接数据中添加所述第三站点和所述第四站点之间具有传输关系的有传输标识；或者，若所述第三站点与所述第四站点之间的阻隔信息小于预设阻隔信息，则确定所述第三站点和所述第四站点之间具有传输关系，并在所述邻接数据中添加所述第三站点和所述第四站点之间具有传输关系的有传输标识；或者，若所述第三站点与所述第四站点之间的站点距离小于所述预设站点距离，且所述第三站点与所述第四站点之间的阻隔信息小于所述预设阻隔信息，则确定所述第三站点和所述第四站点之间具有传输关系，并在所述邻接数据中添加所述第三站点和所述第四站点之间具有传输关系的有传输标识。6.根据权利要求1-5任一项所述的方法，其特征在于，所述根据所述各个边对应的预测污染传输浓度，计算所述图传输模型的模型损失值，包括：调用参考数值模型，基于所述各个站点的站点污染数据和站点气象数据，计算所述各个边对应的参考污染传输浓度；采用所述各个边对应的预测污染传输浓度，与相应边对应的参考污染传输浓度之间的差值，计算所述图传输模型的模型损失值。7.根据权利要求1-5任一项所述的方法，其特征在于，所述多个站点中各个站点的站点污染数据和站点气象数据均是从训练数据集中获取到的，一个训练数据包括一次模型优化所需的所述各个站点的站点污染数据和站点气象数据；所述方法还包括：获取所述训练数据集，并遍历所述训练数据集中的各个训练数据，以使所述各个站点的站点污染数据和站点气象数据是从当前遍历的训练数据中获取到的；在遍历完所述训练数据集中的各个训练数据后，完成对所述图传输模型中的模型参数的n次优化，n为所述训练数据集中训练数据的数量；迭代上述步骤，若迭代次数达到预设迭代周期，则对当前系统时间下的图传输模型中的模型参数进行衰减处理，得到衰减处理后的图传输模型；并继续对所述衰减处理后的图传输模型进行模型优化，直至达到收敛条件。8.一种传输溯源装置，其特征在于，所述装置包括：获取单元，用于获取多个站点中各个站点的站点污染数据和站点气象数据，一个站点污染数据包括相应站点的目标污染物浓度，一个站点气象数据包括相应站点的至少一个气象数据；处理单元，用于基于所述各个站点的站点气象数据，分别计算任意两个具有传输关系的站点对应边的传输权重因子，具有传输关系的两个站点支持污染物在相应站点之间传输；所述处理单元，还用于基于所述各个站点的站点污染数据，以及各个边的传输权重因子，构建图结构数据，并调用图传输模型对所述图结构数据进行传输计算，得到所述各个边对应的预测污染传输浓度；所述处理单元，还用于根据所述各个边对应的预测污染传输浓度，计算所述图传输模型的模型损失值，并按照减小所述模型损失值的方向，优化所述图传输模型中的模型参数，以构建用于对传输浓度进行预测的目标图传输模型，所述目标图传输模型通过预测传输浓度实现传输溯源。
9. 一种电子设备，其特征在于，包括：处理器；以及存储程序的存储器，其中，所述程序包括指令，所述指令在由所述处理器执行时使所述处理器执行根据权利要求1-7中任一项所述的方法。10.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使计算机执行根据权利要求1-7中任一项所述的方法。

技术总结
本发明提供一种传输溯源方法、装置、存储介质及电子设备，该方法包括：基于获取到的各个站点的站点气象数据，分别计算任意两个具有传输关系的站点对应边的传输权重因子；基于获取到的各个站点的站点污染数据，以及各个边的传输权重因子，构建图结构数据，并调用图传输模型对图结构数据进行传输计算，得到各个边对应的预测污染传输浓度；根据各个边对应的预测污染传输浓度，计算图传输模型的模型损失值，并按照减小模型损失值的方向，优化图传输模型中的模型参数，以构建用于对传输浓度进行预测的目标图传输模型，目标图传输模型通过预测传输浓度实现传输溯源。本发明实施例可通过目标图传输模型便捷地预测站点之间的传输浓度，并提高业务效率。提高业务效率。提高业务效率。


技术研发人员：林剑 陈焕盛 王文丁 吴剑斌 肖林鸿 马金钢 秦东明
受保护的技术使用者：北京中科三清环境技术有限公司
技术研发日：2023.08.14
技术公布日：2023/9/13